**判定标准 **
1、 数据的粒度:数据的细分程度
数据的粒度越细,数据量越大;
细粒度数据可通过聚合还原到粗粒度数据,但不是越细越好;
寻找有效特征在某特定的粒度;
2、 数据量与特征量的比例
不能只关注说有多少条数据,也要考虑数据的特征数。
3、 特征间的相关性与有效性
数据间的重复性低、相关性低
变量对于解决问题有帮助
4、数据量与模型选择
数据量很小,使用朴素贝叶斯、逻辑回归或支持向量机
数据量适中或者较大,使用树模型
数据量较大,使用神经网络
**判定标准 **
1、 数据的粒度:数据的细分程度
数据的粒度越细,数据量越大;
细粒度数据可通过聚合还原到粗粒度数据,但不是越细越好;
寻找有效特征在某特定的粒度;
2、 数据量与特征量的比例
不能只关注说有多少条数据,也要考虑数据的特征数。
3、 特征间的相关性与有效性
数据间的重复性低、相关性低
变量对于解决问题有帮助
4、数据量与模型选择
数据量很小,使用朴素贝叶斯、逻辑回归或支持向量机
数据量适中或者较大,使用树模型
数据量较大,使用神经网络