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
预备知识:过拟合、模型复杂度、正则化
过拟合:收集多样化的样本,简化模型,交叉检验。
reduce_mem_usage函数调整数据类型,减少数据在内存中占用的空间
待补充