20200401零基础入门数据挖掘 – 二手车交易价格预测笔记(4)

四、建模与调参 4.1 线性回归模型: 线性回归对于特征的要求; 处理长尾分布; 理解线性回归模型; 4.2 模型性能验证: 评价函数与目标函数; 交叉验证方法; 留一验证方法; 针对时间序列问题的验证; 绘制学习率曲线; 绘制验证曲线; 4.3 嵌入式特征选择: Lasso回归; Ridge回归; 决策树; 4.4 模型对比: 常用线性模型; 常用非线性模型; 4.5 模型调参: 贪心调参方法; 网格调参方法; 贝叶斯调参方法; 下面节选一些我学习比较多的地方进行记录: 4.1.1 线性回归 建立线性模型 from sklearn.linear_model import LinearRegr