Kaggle心得（二）

House Prices: Advanced Regression Techniques

1. 了解模型的好坏

第一遍提交的时候，只是单纯比较了线性回归模型和随机森林模型对验证集的mean square error。压根就没计算模型对于训练集的mean square error。这样其实是很不负责任的。我根本没办法知道模型是under-fit还是over-fit。

2. 多浏览大牛的博客

第一次提交版本的mean squre error比较高，不是很满意。就去讨论区看别人的博客。确实学到了很多关于对于数据分布处理的知识（所以也从另一个侧面反映了统计的重要性，本科真应该多上几门统计课）。经过迭代之后的算法mean square error降低了0.00223，真的是又心酸又高兴。虽然进步得很慢，但是是在正确的道路上。

3.形成自己的体系

两个project下来确实还是有些心得。对于数据处理、模型调用有了一些自己的看法。对整个流程也更加熟悉。将自己常用的数据处理做成了一个package（写了自己的util包），这样将极大地加快以后对于数据处理的进度。