模型调整若干手段的框架性思路

辛辛苦苦建立起来的数据挖掘模型，往往有效性不能令我们满意，这时就涉及到模型调整的问题。那么调整模型有哪些思路呢？这些思路对模型结果又有多大影响呢？以下是我的一些经验，仅供参考。影响程度数值只是为了大家理解方便和比较，给出了数量级，不具有任何精确性的含义。

 

1、对商业问题的重新考察与界定，需要我们重新考虑我们定义的商业问题是否合理，目标变量定义是否科学，模型运用思路和模型的选择是否还有调整的可能。这些对模型有效性的影响影响约有百分之几十。

2、对模型变量（自变量或者因变量）的加工与处理。比如：离散化、衍生变量的生成、冗余变量或者相关（共线性强）变量的剔除等。这些对模型有效性的影响大约是百分之十几。

3、模型参数的调整。这些对模型的有效性影响相对来说是最低的，大约只有百分之几。