本文是作者参加天池比赛的记录，主要涵盖了数据的探索性分析、特征工程、建模与调参、模型结果融合四个部分。在建模与调参环节，介绍了线性回归模型的要求、处理长尾分布、模型性能验证方法如评价函数、交叉验证等，并探讨了Lasso、Ridge回归以及决策树。同时，对比了不同类型的线性和非线性模型，并讲解了贪心、网格和贝叶斯调参策略。
本文章为天池比赛参赛记录，共涉及【数据的探索性分析（EDA）】、【数据的特征工程】、【建模与调参】、【模型结果融合】四个部分，本文为第二部分。
比赛链接：https://tianchi.aliyun.com/competition/entrance/231784/information
教程链接：https://tianchi.aliyun.com/notebook-ai/detail?spm=5176.12281978.0.0.6802593aM0zxin&postId=95460
一、学习笔记
- 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；
- 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：
最低0.47元/天 解锁文章
374
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
