机器学习项目中重要问题

1.数据预处理:特征选择->降维:剔除对预测结果影响小的因素       升维(值离散化,特征组合)->提高特征复杂度,增强模型拟合能力(复杂模型:简单特征   简单模型:复杂特征)

           样本选择->剔除离群点

2.模型选择:根据特征的特点选择合适的模型(多线性特征,选择非线性模型;多非线性特征,选择线性模型;)根据计算能力选择模型(计算能力有限:选择LR等较简单的线性模型)

3.参数调整:根据学习曲线调整参数

4.模型融合:不同模型之间的融合,同种模型不同数据之间的融合(模型多样性数据多样性)

阅读更多
个人分类: 机器学习
上一篇剑指offer:字符串排列
下一篇关于特征工程
博主设置当前文章不允许评论。

没有更多推荐了,返回首页

关闭
关闭
关闭