天池二手车价格预测-建模和调参

4.建模和调参

4.1 学习目标

• 了解常用的机器学习模型，并掌握机器学习模型的建模与调参模型

4.2 内容介绍

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

4.3 代码示例

4.3.1 读取数据

首先通过更改数据的类型，以达到降低数据占用内存的目的。

4.3.2 线性回归&五折交叉验证&模拟真实业务情况

首先筛选出连续性变量，即去除数据中的类别变量以及label。

然后去除数据中的空值以及将‘-’替换为0，重置索引，并创建训练集和label.

1. 简单建模
   首先用线性回归对数据进行训练，然后绘制特征值与标签的散点图。