用
Python
建立预测模型的方法
由于近几年来,
Python
用户数量上涨及其本身的简洁性,使得这个工具包对数
据科
学世界的
Python
专家们变得有意义。
本文将帮助你更快更好地建立第一个
预测模型。
绝大多数优秀的数据科学家和
kagglers
建立自己的第一个有效模型
并快速提交。这
不仅仅有助于他们领先于排行榜,而且提供了问题的基准解决方
案。
预测模型的分解过程
我总是集中于投入有质量的时间在建模的初始阶段,
比如,假设生成、头脑风暴、
讨
论或理解可能的结果范围。所有这些活动都有助于我解决问题,
并最终让我设
计出
更强大的商业解决方案。为什么你要在前面花费这段时间,这有充分的理由:
1.
你有足够的时间投入并且你是无经验的(这是有影响的)
2•你不带有其它数据观点或想法的偏见(我总是建议,在深入研究数据之前
做假
设生成)
3.
在后面的阶段,你会急于完成该项目而没有能力投入有质量的时间了。
这个阶段需要投入高质量时间,因此我没有提及时间表,不过我建议你把它作为
标准
的做法。这有助于你建立建立更好地预测模型,
在后面的阶段的只需较少的
迭代工
作。让我们来看看建立第一个模型的剩余阶段的时间表:
1.
数据描述性分析一一
50%
的时间
2.
数据预处理(缺失值和异常值修复)一一
40%
的时间
3.
数据建模一一
4%
的时间
4. --------------------
性能预测
6%
的时间
让我们一步一步完成每个过程(每一步投入预测的时间):
阶段
1 :
描述性分析
/
数据探索
在我刚开始成为数据科学家的时候,
数据探索占据了我大量的时间。
不过,随着
时
间的推移,我已经把大量的数据操作自动化了。由于数据准备占据建立第一个
模型工
作量的
50%
,自动化的好处是显而易见的。