建模效果不好原因：

model

• 模型
• 調(diào)參。調(diào)參可以影響5%的模型準(zhǔn)確率。

data

• 不同列差異過(guò)大。不同量綱可能導(dǎo)致模型效果不好-->取log/歸一化。
• 同列差距過(guò)大，離散化。建模效果肯定不好-->取log/歸一化、刪除異常值

1. 線性模型

1.1 SVR

SVR優(yōu)點(diǎn)：

• 非線性映射是SVM方法的理論基礎(chǔ),SVM利用內(nèi)積核函數(shù)代替向高維空間的非線性映射；?
• 支持向量機(jī)性能的優(yōu)劣主要取決于核函數(shù)的選取
• 避免了“維數(shù)災(zāi)難”

缺點(diǎn)：

• 用SVM解決多分類問(wèn)題存在困難?
• SVM算法對(duì)大規(guī)模訓(xùn)練樣本難以實(shí)施

# SVR from sklearn.svm import SVR x = df_model.drop(['test_result'],axis=1) y = df_model['test_result'] tran_x, test_x, tran_y, test_y = train_test_split(x, y, test_size=0.25, random_state=5) svr = SVR(kernel='linear', C=1.25) svr.fit(tran_x,tran_y) predictions=svr.predict(test_x)

總結(jié)

以上是生活随笔為你收集整理的数据挖掘流程（四）：建模调参的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。

如果覺(jué)得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。