这四类模型均为有监督模型,都具有标签,
整体思路:具体选择哪一类,不能一概而论,需要结合具体的业务情况、数据情况、评价标准、资源、时间要求、特征解释性等综合衡量,同时需要清楚各个模型的原理、优势劣势、区别做决定。
了解数据:
1.统计描述和可视化
统计描述:均值、分位数、标准差、相关性、缺失率、异常点
可视化:箱线图(异常点)、密度图、直方图、散点图、
选取这几类算法,结合这几类算法的特点,说明几点信息:
1.数据是带标签的
2.预测分类问题
3.对模型可解释性要求不高
4.对准确性要求较高
模型复杂度
模型越复杂,要求:
1.更多的特征进行学习和预测;
2.更复杂的特征工程(多项式、交叉项、主成分等)
3.更多的计算开销