设为首页 收藏本站
查看: 1322|回复: 0

[经验分享] 如何做出一个更好的Machine Learning预测模型【转载】

[复制链接]

尚未签到

发表于 2017-6-21 19:04:47 | 显示全部楼层 |阅读模式
作者:文兄
链接:https://zhuanlan.zhihu.com/p/25013834
来源:知乎
著作权归作者所有。商业转载请联系作者获得授权,非商业转载请注明出处。


初衷
  这篇文章主要从工程角度来总结在实际运用机器学习进行预测时,我们可以用哪些tips来提高最终的预测效果,主要分为Data Cleaning,Features Engineering, Models Training三个部分,可以帮助大家在实际的工作中取得更好的预测效果或是在kaggle的比赛里取得更好的成绩和排位。



Data Cleaning
  1. 移除多余的duplicate features(相同或极为相似的features)
  2. 移除constant features(只有一个value的feature)



#R里面可以使用unique()函数判断,如果返回值为1,则意味着为constant features

  3. 移除方差过小的features(方差过小意味着提供信息很有限)



#R中可以使用caret包里的nearZeroVar()函数
#Python里可以使用sklearn包里的VarianceThreshold()函数

  4. 缺失值处理:将missing value重新编为一类。



#比如原本-1代表negative,1代表positive,那么missing value就可以全部标记为0
#对于多分类的features做法也类似二分类的做法
#对于numeric values,可以用很大或很小的值代表missing value比如-99999.

  5. 填补缺失值
  可以用mean,median或者most frequent value进行填补



#R用Hmisc包中的impute()函数
#Python用sklearn中的Imputer()函数

  6. 高级的缺失值填补方法
  利用其他column的features来填补这个column的缺失值(比如做回归)



#R里面可以用mice包,有很多方法可供选择

  注意:不是任何时候填补缺失值都会对最后的模型预测效果带来正的效果,必须进行一定的检验。




Features Engineering
  1. Data Transformation
  a. Scaling and Standardization



#标准化,R用scale(), Python用StandardScaler()
#注意:Tree based模型无需做标准化

  b. Responses Transformation



#当responses展现skewed distribution时候用,使得residual接近normal distribution
#可以用log(x),log(x+1),sqrt(x)等

  2. Features Encoding



#把categorical features变成numeric feature
#Label encoding:Python 用 LabelEncoder()和OneHotEncoder(), R用dummyVars()

  3. Features Extraction



#主要是针对文本分析

  4. Features Selection
  a. 方法很多:
注:其中randomForest以及xgboost里的方法可以判断features的Importance

  b. 此外,PCA等方法可以生成指定数量的新features(映射)
  c. 擅对features进行visualization或correlation的分析。




Models Trainning
  1. Mostly Used ML Models
  尝试多一些的模型,比如下面这些:

  
2. 利用Grid Search进行hyper参数的选择
  3. 利用Cross-Validation衡量训练效果
  4. Ensemble Learning Methods

  必读下面这个文档:Kaggle Ensembling Guide
  文章原地址:https://zhuanlan.zhihu.com/p/25013834

运维网声明 1、欢迎大家加入本站运维交流群:群②:261659950 群⑤:202807635 群⑦870801961 群⑧679858003
2、本站所有主题由该帖子作者发表,该帖子作者与运维网享有帖子相关版权
3、所有作品的著作权均归原作者享有,请您和我们一样尊重他人的著作权等合法权益。如果您对作品感到满意,请购买正版
4、禁止制作、复制、发布和传播具有反动、淫秽、色情、暴力、凶杀等内容的信息,一经发现立即删除。若您因此触犯法律,一切后果自负,我们对此不承担任何责任
5、所有资源均系网友上传或者通过网络收集,我们仅提供一个展示、介绍、观摩学习的平台,我们不对其内容的准确性、可靠性、正当性、安全性、合法性等负责,亦不承担任何法律责任
6、所有作品仅供您个人学习、研究或欣赏,不得用于商业或者其他用途,否则,一切后果均由您自己承担,我们对此不承担任何法律责任
7、如涉及侵犯版权等问题,请您及时通知我们,我们将立即采取措施予以解决
8、联系人Email:admin@iyunv.com 网址:www.yunweiku.com

所有资源均系网友上传或者通过网络收集,我们仅提供一个展示、介绍、观摩学习的平台,我们不对其承担任何法律责任,如涉及侵犯版权等问题,请您及时通知我们,我们将立即处理,联系人Email:kefu@iyunv.com,QQ:1061981298 本贴地址:https://www.yunweiku.com/thread-386454-1-1.html 上篇帖子: 硬件虚拟化和软件虚拟化 下篇帖子: 前端开发者常用的网络技术和技术栈
您需要登录后才可以回帖 登录 | 立即注册

本版积分规则

扫码加入运维网微信交流群X

扫码加入运维网微信交流群

扫描二维码加入运维网微信交流群,最新一手资源尽在官方微信交流群!快快加入我们吧...

扫描微信二维码查看详情

客服E-mail:kefu@iyunv.com 客服QQ:1061981298


QQ群⑦:运维网交流群⑦ QQ群⑧:运维网交流群⑧ k8s群:运维网kubernetes交流群


提醒:禁止发布任何违反国家法律、法规的言论与图片等内容;本站内容均来自个人观点与网络等信息,非本站认同之观点.


本站大部分资源是网友从网上搜集分享而来,其版权均归原作者及其网站所有,我们尊重他人的合法权益,如有内容侵犯您的合法权益,请及时与我们联系进行核实删除!



合作伙伴: 青云cloud

快速回复 返回顶部 返回列表