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。