2020.3.31Datawhale零基础入门数据挖掘-Task4 建模调参 (1)

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；