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——
50%
的时间
2.
数据预处理(缺失值和异常值修复)——
40%
的时间
3.
数据建模——
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