Python预测分析（2）：预测模型的构建--平衡性能、复杂性以及大数据

      影响机器学习模型效果的因素

3.1 基本问题：理解函数逼近

      数据清洗和特征工程

      特征工程一般需要通过一个由人工参与的、迭代的过程来完成特征选择，决定可能最优的特征，并且尝试不同的特征组合。

3.2 影响算法选择及性能的因素---复杂度以及数据

      选择一个算法：线性或者非线性

3.3 度量预测模型性能

     最常用的错误摘要是均方误差（MSE）以及平均绝对错误（MAE）

3.4 模型与数据的均衡

      使用普通最小乘法来构建分类器