本文是学习笔记,原文链接:https://tianchi.aliyun.com/notebook-ai/detail?spm=5176.12586969.1002.3.1cd8593ajCwkrt&postId=95460
一、模型介绍
- 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;
- 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;
- 嵌入式特征选择:
- Lasso回归;
- Ridge回归;
- 决策树;
- 模型对比:
- 常用线性模型:LinearRegression 、 Ridge 、Lasso
- 常用非线性模型:SVC、TreeRegressor、RandomForestRegressor、GradientBoostingRegressor、MLPRegressor、XGBRegressor、LGBMRegressor
- 模型