二手车建模调参

一、统计学习分类

1. 监督学习
   -线性回归
   -决策树
   -SVD
2. 非监督学习
   -k-means聚类
   -层次聚类
3. 半监督学习
   -生成模型算法
4. 强化学习
   -Q-learning
   -隐马尔科夫模型

1.常见的监督学习模型

      1. 线性模型
     2. 决策树
     3. 神经网络
     4. 支持向量机
     5. 贝叶斯分类
     6. 集成学习模型（随机森林，GBDT,XGB,LightGBM）

基本概念：

1. 模型、策略与算法
2. 评价函数
3. 目标函数
4. 过拟合与欠拟合
5. 正则化
6. 交叉验证
7. 泛化能力

验证方法：

   - 1.训练集、线下验证集、线下测试集、线上测试集
   - 2.无时序的数据集：简单划分、交叉验证划分等
   - 3.有时序的数据集：需考虑时序，nested交叉验证划分等

模型选择：

    -1.依据在验证集上的效果选择
    -2.除了关注效果的均值，还要关注稳健性
    -3.还需要考虑线上效果；可将线上效果视为一折数据

参数调优：

   -1.不建议将精力放在参数调优上，容易过拟合
   -2.大体的设置参数即可
   -3.应该精力重点放在特征工程；其次是模型融合