# ml2019fall-hw2 Logistic Regression

## Data Preprocessing

1. One-Hot Encoding
2. Normalization

* index list => These columns are continuous.


---
* Other Data Preprocessing:
* Accuracy 皆未上升：
* Oversample
* Smote
* ADASYN
* Undersample
* ClusterCentroids
* OneSidedSelection
* TomekLinks
* Combination
* SMOTEENN
* SMOTETomek

## Model

我試過的方法，有以下：(分數由低至高)
1. Generative Model
2. Logistic Model
3. Keras NN (隨便搭的)
4. GradientBoostingClassifier (Hyperparams Tune)
5. lightLGBM (Hyperparams Tune)

其中，GBC 可以在 Kaggle 中拿到 Public/Private (Rank 5/6)。但若使用 lightGBM 則可以做到 (Rank 2/1)。實際了解之後，會發現 lightGBM 的確可以增進非常多。此外，由於它擁有 GPU 版本也大幅減少訓練的時間。

補充：有人提及[TPOT](https://www.itread01.com/content/1545271766.html)的方法，但我並未去嘗試效果如何。