数据分析（四）简单模型 VS 集成模型（概述）

• 在数据分析所使用的模型中，不管是分类、回归还是聚类，都可划分为【简单模型】和【集成模型】。后者是以前者为基础的特定组合方式，我们在天池、Kaggle、Github 上看到的那些非常牛逼的模型基本上都是集成的。如果想深入地理解集成模型的原理、将其效果最大地发挥出来，首先得把简单模型学懂了。本文所列举的是最常见的模型。
• 出于篇幅的考虑，这一篇文章先做个概述，之后再分模块成文。

简单模型

分类模型

概述

• 对样本所属类别进行判断，实质上是用【多个其他特征】来表示【类别特征】
• 对数据集的要求：每个样本需要同时包含【特征】和【标签】（又称类别信息）
• 步骤：1、分类器的构造（俗称：训练模型）；2、用测试集来检验分类器的性能；3、若性能达标，则可以用训练好的分类器来判断未分类样本的类别
• 应用举例：市场精准营销（为了削减传媒成本，可以使用顾客购买记录、住址、收入、生活风格等等信息来判断是否为某产品的目标用户）；欺诈检测（为了挖掘信用卡交易中的欺诈行为，可以用持卡人的交易时间、内容、履行信用次数等等信息来判断某次交易是否构成欺诈）

常见模型

• 决策树：形为二叉树，模拟人的决策过程；关键词：节点不纯度；基尼指数，信息增益（率