过拟合

构建的数据科学模型将训练数据解析的太透彻就会出现过拟合问题。模型接收了训练数据中的详细信息，也包括数据中的噪音，所以过于具体，而这在预测新的真实数据时是无用的，结果模型就无法做出正确推断和归纳。模型的目的是处理好未见过的数据，所以要想办法找到能处理好新数据的解决办法并付诸使用。

• 交叉验证
• 移除重复或相似特点
• 及早停止
• 正则化
• 集成法
• 非参数机器学习算法
• 使用更多数据训练

特征不足

制定业务问题描述之后，通常还需要开始寻找数据，然后形成自己的特点，输入到数据科学模型中作为训练数据。对公司数据表了解的越多，就会发现还可以以其它纵列为新特征。不过，一开始特征有限的问题还有另一种解决办法。

构建当前度量的统计数据。例如，一般具有“每位用户点击量”特征，就会停止。但也可以从如下某一纵列中创建新的度量：

• 每位用户的平均点击量
• 每位用户的众数点击量
• 每位用户75%百分位数点击量

还有很多不同方式来描述该特征的范围。

（编辑：阜新站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!