二手车交易价格预测：建模调参

学习内容

1.线性回归模型：
线性回归对于特征的要求；
处理长尾分布；
理解线性回归模型；
2.模型性能验证：
评价函数与目标函数；
交叉验证方法；
留一验证方法；
针对时间序列问题的验证；
绘制学习率曲线；
绘制验证曲线；
3.嵌入式特征选择：
Lasso回归；
Ridge回归；
决策树；
4.模型对比：
常用线性模型；
常用非线性模型；
5.模型调参：
贪心调参方法；
网格调参方法；
贝叶斯调参方法；

相关原理

由于相关算法原理篇幅较长，这里附上相应的大神“小雨姑娘”的学习笔记。

1 线性回归模型

https://zhuanlan.zhihu.com/p/49480391

2 决策树模型

https://zhuanlan.zhihu.com/p/65304798

3 GBDT模型

https://zhuanlan.zhihu.com/p/45145899

4 XGBoost模型

https://zhuanlan.zhihu.com/p/86816771

5 LightGBM模型

https://zhuanlan.zhihu.com/p/89360721

6 推荐教材：

《机器学习》 https://book.douban.com/subject/26708119/

《统计学习方法》 https://book.douban.com/subject/10590856/

《Python大战机器学习》
https://book.douban.com/subject/26987890/

《面向机器学习的特征工程》 https://book.douban.com/subject/26826639/

《数据科学家访谈录》 https://book.douban.com/subject/30129410/

代码展示

来源：https://tianchi.aliyun.com/notebook-ai/detail?spm=5176.12586969.1002.18.1cd8593aw4bbL5&postId=95460
重要部分：

1. reduce_mem_usage 函数通过调整数据类型，用于减少数据的内存占用
2. 线性回归 & 五折交叉验证 & 模拟真实业务情况
3. 对标签的分布进行查看，看看是否符合正态分布
4. 绘制学习率曲线和验证曲线
5. 模型调参方法
   在此我们介绍了三种常用的调参方法如下：
   贪心算法 https://www.jianshu.com/p/ab89df9759c8
   网格调参 https://blog.csdn.net/weixin_43172660/article/details/83032029
   贝叶斯调参 https://blog.csdn.net/linxid/article/details/81189154

学习总结：
本次新知识较多，通过课件和直播课有了初步印象，但学习较为仓促，对各个模型的用法和原理还未细细钻研。以前只会网格调参，这次了解了其他两种，还需多自己实现代码，内化成自己的知识。