天池比赛打卡

1.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

2.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
绘制学习曲线
绘制验证曲线

3.嵌入式特征选择
Lasso回归
Ridge回归
决策树

4.模型对比
常用线性模型
常用非线性模型

5.模型调参
贪心调参方法
网格调参方法
贝叶斯调参方法

小结
线性回归模型的数据集要尽量调整成正态分布；

用时间靠前的4/5样本当作训练集，时间靠后的1/5当作验证集，结果和五折交叉验证差距不大；

线性回归，Ridge和Lasso模型对比，前两个较好，但Ridge的coef参数很多较大，抗扰动弱；

常用模型中，随机森林模型表现最好，LGBM二好；