如何建立监督机器学习项目的目标变量

每个机器学习项目的起点都是EDA。首先创建一些特性,比如他们多久收到一次错误声明,或者收到多少次。然后进行一些EDA以找出哪些功能更有用。其次,问题看起来像分类。聚类通常更难评估。

在数据科学中,当您建立业务模型时,EDA探索性数据分析扮演着主要角色,其中包括数据清理、特征工程和过滤数据。如前所述,如何构建目标变量,这完全取决于您拥有的属性,以及您想要应用什么模型,例如线性回归或逻辑回归,或者建立决策树。你需要使用这些算法。但最重要的是,你需要找出影响变量。这可能是输出和给定输入之间的核心关系,必须相应地给予优先级。此外,必须删除没有增加值的属性,因为这会导致过度拟合。