【怎么处理比较相关的特征】
首先存在相关特征对树模型影响不大,主要还是考虑对回归模型的影响;
- 对于回归模型,相关性很强的就去掉好了,相关性较强的,我觉得可以向spss那样做逐步前(后)向回归,就是每次增加或减少一个特征,看对模型的影响,包括特征p值和模型p值;
- 对于树模型,如果不是非要对特征做解释,而重在模型预测的话,可以不用太关注。
如果希望简化模型,可以尝试如下方法:1)计算特征之间的膨胀因子消除多重共线性 2)因子分析 3)嵌入法包装法等
【模型在验证集结果不错,在测试集上结果很差,什么原因?怎么解决?】
Note: 这里的验证集结果不错不能只是AUC不错,如果灵敏度(精确率)很差,说明模型训练还不到位。回到【什么样的模型才算好模型】查看!
一般而言(没有Note提到的问题),验证集效果好,说明训练的过程没什么问题。但是测试集效果不好,最大的可能是因为重要特征在测试集上的分布发生了根本性的变化。即:两部分数据很大程度上不一样。
训练集和测试集的不同可能原因很多
1)滚动预测属性决定。举个例子:通过考试的数理化成绩,预测谁下次可以进年级前五十。众所周知,每次考试,题的难易程度不一样。这次考试题难,数学考70分,语文考60分就可以进前五十,如果是用基于树的模型,分界点可能就是(数学70,语文60&#x