数据挖掘之建模调参

数据挖掘之建模调参

一般建模与调参大致流程内容（以天池二手车预测为例）

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；

数据挖掘建模根据挖掘目标和数据形式大致可建立：分类与预测、聚类分析、关联规则、时序模式、偏差检测等模型

• 1.分类与预测
  常见算法信息
  python分类与预测算法特点#
• 2.聚类分析
  常用聚类方法：
  
  Python主要聚类分析算法
  
• 3.关联规则
  关联规则目的：在一个数据集中，找出各项之间的关联关系。
  常用关联规则算法
  
• 4.时序算法
  python主要时序算法
  
• 5.离群点检测

模型调参总结

• List item