最近開始入坑數據挖掘比賽，總是聽圈內大佬們提到後處理漲分。我就一直很疑惑，一直都是數據預處理，怎麼又冒出來一個後處理。在網上學習了之後，決定寫一篇文章總結一下。
就我目前學習到的數據挖掘的流程來說，一般拿到數據之後
先進行數據的分析，清洗工作，比如去除離羣點，填充缺失的數據。
然後對數據進行處理，比如將object轉成categorical類型，把房子的x室y廳z衛分成xyz三個屬性…
做特徵
寫模型，選參數
看特徵重要性，融模型
出結果
那麼直接上我的定義：
後處理，就是對模型預測的結果進行處理。
也就是在56步之間加一步：後處理。
預處理是在模型預測之前對訓練集測試集數據進行處理，預處理+特徵工程=模型可以逼近對上限。
後處理則是在模型預測之後對預測結果的數據進行處理，這種方法相對少見，網上相關的博客只有一篇。
舉一個最笨的方法，逐個數據修改你的模型預測的結果，手動漲分。
這個方法很low，但是在數據量很小的情況下確實可以提一點點分，而且也算是後處理的一種。
後處理的主要操作步驟是：
1.畫出預測數據與實際數據的關係圖，這樣可以清楚的看到預測數據的誤差主要在哪裏，以便進行後處理。
2.參照圖上誤差大的地方，對預測的結果進行處理，讓預測結果擬合實際數據。在這個過程中，注意尋找實際數據的規律，按規則進行處理。比如說實際數據在某個區間內都會趨近某個值，那麼就可以設置判斷語句來對預測的結果進行處理，再比如說分類問題，可以調節決策界限，來達到改變預測結果，擬合實際數據的目的。
在博客
https://blog.csdn.net/xieyan0811/article/details/80549001
中提到了一個例子：
糖尿病預測的初賽，大家都使用GBDT類模型，很多人都預測不出血糖大於10的，幾乎所有結果都在5-8之間。這是由於這種迭代模型，追求的是整體誤差最小化，爲了保證絕大多數預測正確，就犧牲了人少但血糖高的部分。但實際場景中，如果不能預測高血糖，模型就沒用了。
這時用到的後處理方法是：
把偏離正常範圍值的乘一個係數，手動拉寬預測範圍
完。