用python做预测模型_用Python建立预测模型的方法

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。