一、建模
简单建模
1.线性回归
查看训练的线性回归模型的截距(intercept)与权重(coef)
选择合适的回归直线
1.1查看模型建立情况
可以绘制散点图
绘制特征v_9的值与标签的散点图,图片发现模型的预测结果(蓝色点)与真实标签(黑色点)的分布差异较大,且部分预测值出现了小于0的情况,说明我们的模型存在一些问题
同时绘制标签的分布图,看分布情况,在一些情况下可以在这里我们对标签进行了 log(x+1)变换使标签贴近于正态分布
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;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;
绘制学习率曲线;
绘制验证曲线;
嵌入式特征选择:
Lasso回归;
Ridge回归;
决策树;
模型对比:
常用线性模型;
常用非线性模型;
模型调参:
贪心调参方法;
网格调参方法;
贝叶斯调参方法;