
決策樹、邏輯回歸、線性回歸使用時注意事項(xiàng)以及模型過擬合策略
決策樹缺點(diǎn)和注意事項(xiàng):
決策樹的最大缺點(diǎn)是原理中的貪心算法。因此它所做的選擇只能是某種意義上的局部最優(yōu)選擇。
若目標(biāo)變量是連續(xù)變量,那么決策樹就不使用了,改用回歸模型
若某些自變量的類別種類較多,或者自變量是區(qū)間型時,決策樹過擬合的危險會增大。這種情況需要分箱或多次模型驗(yàn)證,確保其具有穩(wěn)定性。
對區(qū)間型變量進(jìn)行分箱操作時,無論是否考慮了順序因素,都有可能因?yàn)榉窒鋯适Я四承┲匾畔?,尤其是?dāng)分箱前的區(qū)間型便變量與目標(biāo)變量有明顯的線性關(guān)系時,這種分箱造成的損失更為明顯。
邏輯回歸(目標(biāo)變量是二元變量)
建模數(shù)據(jù)量不能太少,目標(biāo)變量中每個類別所對應(yīng)的樣本數(shù)量要足夠充分,才能支持建模
排除共線性問題(自變量間相關(guān)性很大)
異常值會給模型帶來很大干擾,要剔除。
邏輯回歸不能處理缺失值,所以之前應(yīng)對缺失值進(jìn)行適當(dāng)處理。
線性回歸缺點(diǎn)和注意事項(xiàng)
對異常值敏感,應(yīng)剔除。
只適合處理線性關(guān)系,若自變量和因變量間有比較強(qiáng)的非線性關(guān)系,應(yīng)該對自變量進(jìn)行一定的轉(zhuǎn)換,比如取對數(shù)、開方、取平方根等。
多元線性回歸應(yīng)用有一定的前提假設(shè),自變量是確定的變量,而不是隨機(jī)變量,自變量間沒有線性相關(guān),隨機(jī)誤差呈正太分布,隨機(jī)誤差項(xiàng)具有均值為0以及等方差性。
線性回歸和邏輯回歸的區(qū)別
線性回歸針對的目標(biāo)變量是區(qū)間型的,邏輯回歸針對的目標(biāo)變量是類別型的
線性回歸模型的目標(biāo)變量和自變量之間的關(guān)系假設(shè)是線性相關(guān)的,邏輯回歸模型中的目標(biāo)變量和自變量是非線性的
線性回歸中通常會用假設(shè),對應(yīng)于自變量x的某個值,目標(biāo)變量y的觀察值是服從正太分布的。邏輯回歸中目標(biāo)變量y是服從二項(xiàng)分布0和1或者多項(xiàng)分布的
邏輯回歸中不存在線性回歸中常見的殘差
參數(shù)估值上,線性回歸采用最小平方法,邏輯回歸采用最大似染法。
過擬合產(chǎn)生原因:
樣本里噪聲數(shù)據(jù)干擾過大。樣本噪聲大到模型過分記住了噪聲特征,反而忽略了真實(shí)的輸入輸出間的關(guān)系。
建模時的邏輯假設(shè)應(yīng)用到模型時不成立了。任何預(yù)測模型都是在假設(shè)的基礎(chǔ)上才可以使用的,比如業(yè)務(wù)環(huán)節(jié)沒有發(fā)生顯著變化,數(shù)據(jù)符合某種分布等,如果上述假設(shè)違反了業(yè)務(wù)場景,那么該模型就不能用了。
建模時使用了太多輸入變量。同噪聲數(shù)據(jù)相似,不分析數(shù)據(jù)特征,把所有的變量交給機(jī)器去處理,撞大運(yùn),一個穩(wěn)定優(yōu)良的模型一定要遵循輸入變量的少而精的原則。
若用決策樹,沒有對決策樹的生長進(jìn)行合理的限制和剪枝,由著決策樹自己生長,可能會過分?jǐn)M合原始數(shù)據(jù),對新數(shù)據(jù)一塌糊涂。
建模樣本抽取錯誤。包括但不限于樣本數(shù)量少,抽樣方法錯誤,抽樣時沒有足夠正確的考慮業(yè)務(wù)場景和特點(diǎn),以致于抽出的樣本數(shù)據(jù)不能足夠有效的代表業(yè)務(wù)邏輯和業(yè)務(wù)場景。
放置過擬合的手段:
合理有效抽樣,包括分層抽樣,過抽樣等,從而用不同的樣本去檢驗(yàn)?zāi)P汀?br />
交叉檢驗(yàn),這是目前業(yè)界防止過擬合常用手段。
數(shù)據(jù)若太少,不要用神經(jīng)網(wǎng)絡(luò)模型(深度學(xué)習(xí)),否則是淺度學(xué)習(xí),而且一定要實(shí)現(xiàn)篩選輸入變量,不要把所有變量一股腦放進(jìn)去。
數(shù)據(jù)分析咨詢請掃描二維碼
若不方便掃碼,搜微信號:CDAshujufenxi
LSTM 模型輸入長度選擇技巧:提升序列建模效能的關(guān)鍵? 在循環(huán)神經(jīng)網(wǎng)絡(luò)(RNN)家族中,長短期記憶網(wǎng)絡(luò)(LSTM)憑借其解決長序列 ...
2025-07-11CDA 數(shù)據(jù)分析師報考條件詳解與準(zhǔn)備指南? ? 在數(shù)據(jù)驅(qū)動決策的時代浪潮下,CDA 數(shù)據(jù)分析師認(rèn)證愈發(fā)受到矚目,成為眾多有志投身數(shù) ...
2025-07-11數(shù)據(jù)透視表中兩列相乘合計的實(shí)用指南? 在數(shù)據(jù)分析的日常工作中,數(shù)據(jù)透視表憑借其強(qiáng)大的數(shù)據(jù)匯總和分析功能,成為了 Excel 用戶 ...
2025-07-11尊敬的考生: 您好! 我們誠摯通知您,CDA Level I和 Level II考試大綱將于 2025年7月25日 實(shí)施重大更新。 此次更新旨在確保認(rèn) ...
2025-07-10BI 大數(shù)據(jù)分析師:連接數(shù)據(jù)與業(yè)務(wù)的價值轉(zhuǎn)化者? ? 在大數(shù)據(jù)與商業(yè)智能(Business Intelligence,簡稱 BI)深度融合的時代,BI ...
2025-07-10SQL 在預(yù)測分析中的應(yīng)用:從數(shù)據(jù)查詢到趨勢預(yù)判? ? 在數(shù)據(jù)驅(qū)動決策的時代,預(yù)測分析作為挖掘數(shù)據(jù)潛在價值的核心手段,正被廣泛 ...
2025-07-10數(shù)據(jù)查詢結(jié)束后:分析師的收尾工作與價值深化? ? 在數(shù)據(jù)分析的全流程中,“query end”(查詢結(jié)束)并非工作的終點(diǎn),而是將數(shù) ...
2025-07-10CDA 數(shù)據(jù)分析師考試:從報考到取證的全攻略? 在數(shù)字經(jīng)濟(jì)蓬勃發(fā)展的今天,數(shù)據(jù)分析師已成為各行業(yè)爭搶的核心人才,而 CDA(Certi ...
2025-07-09【CDA干貨】單樣本趨勢性檢驗(yàn):捕捉數(shù)據(jù)背后的時間軌跡? 在數(shù)據(jù)分析的版圖中,單樣本趨勢性檢驗(yàn)如同一位耐心的偵探,專注于從單 ...
2025-07-09year_month數(shù)據(jù)類型:時間維度的精準(zhǔn)切片? ? 在數(shù)據(jù)的世界里,時間是最不可或缺的維度之一,而year_month數(shù)據(jù)類型就像一把精準(zhǔn) ...
2025-07-09CDA 備考干貨:Python 在數(shù)據(jù)分析中的核心應(yīng)用與實(shí)戰(zhàn)技巧? ? 在 CDA 數(shù)據(jù)分析師認(rèn)證考試中,Python 作為數(shù)據(jù)處理與分析的核心 ...
2025-07-08SPSS 中的 Mann-Kendall 檢驗(yàn):數(shù)據(jù)趨勢與突變分析的有力工具? ? ? 在數(shù)據(jù)分析的廣袤領(lǐng)域中,準(zhǔn)確捕捉數(shù)據(jù)的趨勢變化以及識別 ...
2025-07-08備戰(zhàn) CDA 數(shù)據(jù)分析師考試:需要多久?如何規(guī)劃? CDA(Certified Data Analyst)數(shù)據(jù)分析師認(rèn)證作為國內(nèi)權(quán)威的數(shù)據(jù)分析能力認(rèn)證 ...
2025-07-08LSTM 輸出不確定的成因、影響與應(yīng)對策略? 長短期記憶網(wǎng)絡(luò)(LSTM)作為循環(huán)神經(jīng)網(wǎng)絡(luò)(RNN)的一種變體,憑借獨(dú)特的門控機(jī)制,在 ...
2025-07-07統(tǒng)計學(xué)方法在市場調(diào)研數(shù)據(jù)中的深度應(yīng)用? 市場調(diào)研是企業(yè)洞察市場動態(tài)、了解消費(fèi)者需求的重要途徑,而統(tǒng)計學(xué)方法則是市場調(diào)研數(shù) ...
2025-07-07CDA數(shù)據(jù)分析師證書考試全攻略? 在數(shù)字化浪潮席卷全球的當(dāng)下,數(shù)據(jù)已成為企業(yè)決策、行業(yè)發(fā)展的核心驅(qū)動力,數(shù)據(jù)分析師也因此成為 ...
2025-07-07剖析 CDA 數(shù)據(jù)分析師考試題型:解鎖高效備考與答題策略? CDA(Certified Data Analyst)數(shù)據(jù)分析師考試作為衡量數(shù)據(jù)專業(yè)能力的 ...
2025-07-04SQL Server 字符串截取轉(zhuǎn)日期:解鎖數(shù)據(jù)處理的關(guān)鍵技能? 在數(shù)據(jù)處理與分析工作中,數(shù)據(jù)格式的規(guī)范性是保證后續(xù)分析準(zhǔn)確性的基礎(chǔ) ...
2025-07-04CDA 數(shù)據(jù)分析師視角:從數(shù)據(jù)迷霧中探尋商業(yè)真相? 在數(shù)字化浪潮席卷全球的今天,數(shù)據(jù)已成為企業(yè)決策的核心驅(qū)動力,CDA(Certifie ...
2025-07-04CDA 數(shù)據(jù)分析師:開啟數(shù)據(jù)職業(yè)發(fā)展新征程? ? 在數(shù)據(jù)成為核心生產(chǎn)要素的今天,數(shù)據(jù)分析師的職業(yè)價值愈發(fā)凸顯。CDA(Certified D ...
2025-07-03