要知道哪种模型最适合问题，需要绘制哪些数据？
对不起，我知道这是一个非常基本的问题，但由于我仍然是机器学习的初学者，确定什么模型最适合我的问题仍然让我困惑，最近我使用了线性回归模型(导致r2_score如此之低)，一个用户提到我可以根据我的数据曲线使用某些模型，当我看到另一个编码器使用随机森林回归时(导致r2_score比线性回归模型好30% )，我不知道他/她怎么知道更好的模型，因为他/她没有提到它。我的意思是，在我读到的大多数网站中，他们将数据推到他们认为最适合问题的一些模型中(例如:对于回归问题，模型可以使用线性回归或随机森林回归)，但在一些网站中，有些人说，我们首先需要绘制数据，这样我们才能准确地预测哪个模型最适合。我真的不知道应该绘制数据的哪一部分？我认为使用seaborn pairplot可以让我深入了解曲线的形状，但我怀疑这是不是正确的方式，实际上我应该绘制什么？只有标签本身还是功能本身，还是两者兼而有之？在此之后，我如何获得曲线的洞察力，以了解可能的最佳模型？
回答 2
Stack Overflow用户
发布于 2020-01-13 01:57:18
这个问题太笼统了，但我会试着概述一下如何选择模型。首先，你应该知道，没有选择模型家族的一般规则，它更多的是通过实验不同的模型来选择，并查看哪个模型能提供更好的结果。您现在还应该知道，一般来说，您具有多维特征，因此绘制数据不会让您完全了解特征与目标的相关性，但是，要检查是否要拟合线性模型，您可以开始绘制目标与输入的每个维度，并查看是否存在某种线性关系。然而，我建议你拟合一个线性模型，并从统计的角度检查这是否相关(学生测试，斯米尔诺夫测试，检查残差...)。请注意，在现实生活应用程序中，线性回归不太可能是最好的模型，除非您进行了大量的特征工程。因此，我建议您使用更高级的方法(RandomForests、XGboost...)
Stack Overflow用户
发布于 2020-01-13 10:18:52
如果你正在使用像sklearn这样的现成的软件包，那么许多简单的模型，比如支持向量机，射频等等，只是一行程序，所以在实践中，我们通常会同时尝试几个这样的模型。
https://stackoverflow.com/questions/59705218
复制相似问题
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号