模型选择与调优
Posted 河南骏
tags:
篇首语：本文由小常识网(cha138.com)小编为大家整理，主要介绍了模型选择与调优相关的知识，希望对你有一定的参考价值。
模型选择，请看sklearn经典的这张图：
模型选择：
交叉验证：交叉验证集做参数/模型选择；测试集制作模型效果评估。
超参数选择：交叉验证选取
sklearn.grid_search.GridSearchCV
不同模型状态处理：
过拟合：找更多的数据来学习；增大正则化系数；减少特征个数；
欠拟合：找更多特征；减小正则化系数。
模型融合：
1、bagging,随机森林(分类：vote;回归：取平均）
2、模型stacking（用多种predictor结果作为特征训练）
3、渐进式adaboost/gradient boosting tree
以上是关于模型选择与调优的主要内容，如果未能解决你的问题，请参考以下文章