一、主要內容
-
線性迴歸模型：
線性迴歸對於特徵的要求；
處理長尾分佈；
理解線性迴歸模型； -
模型性能驗證：
評價函數與目標函數；
交叉驗證方法；
留一驗證方法；
針對時間序列問題的驗證；
繪製學習率曲線；
繪製驗證曲線； -
嵌入式特徵選擇：
Lasso迴歸；
Ridge迴歸；
決策樹； -
模型對比：
常用線性模型；
常用非線性模型； -
模型調參：
貪心調參方法；
網格調參方法；
貝葉斯調參方法；
二、相關工作
- 處理長尾分佈。對售賣價格去對數，使之趨於正態分佈。
- 使用lightGBM模型，並查看各個參數的重要性。
- 網格調參方法，尋找最優的參數。