A predictive modeling machine learning project can be broken down into 6 top-level tasks

  1. Define Problem : Investigate and characterize the problem in order to better understand the goals of the project.
  2. Analyze Data : Use descriptive statistics and visualization to better understand the data you have available.
  3. Prepare Data : Use data transforms in order to better expose the structure of the prediction problem to modeling algorithms.
  4. Evaluate Algorithms : Design a test harness to evaluate a number of standard algorithms on the data and select the top few to investigate further.
  5. Improve Results : Use algorithm tuning and ensemble methods to get the most out of
    well-performing algorithms on your data.
  6. Present Results: Finalize the model, make predictions and present results.
最后編輯于
?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請(qǐng)聯(lián)系作者
  • 序言:七十年代末傻盟,一起剝皮案震驚了整個(gè)濱河市甘有,隨后出現(xiàn)的幾起案子,更是在濱河造成了極大的恐慌呈枉,老刑警劉巖,帶你破解...
    沈念sama閱讀 206,602評(píng)論 6 481
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件诅妹,死亡現(xiàn)場(chǎng)離奇詭異票髓,居然都是意外死亡,警方通過(guò)查閱死者的電腦和手機(jī)掷空,發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 88,442評(píng)論 2 382
  • 文/潘曉璐 我一進(jìn)店門肋殴,熙熙樓的掌柜王于貴愁眉苦臉地迎上來(lái)囤锉,“玉大人,你說(shuō)我怎么就攤上這事护锤」俚兀” “怎么了?”我有些...
    開(kāi)封第一講書(shū)人閱讀 152,878評(píng)論 0 344
  • 文/不壞的土叔 我叫張陵烙懦,是天一觀的道長(zhǎng)驱入。 經(jīng)常有香客問(wèn)我,道長(zhǎng)氯析,這世上最難降的妖魔是什么亏较? 我笑而不...
    開(kāi)封第一講書(shū)人閱讀 55,306評(píng)論 1 279
  • 正文 為了忘掉前任,我火速辦了婚禮掩缓,結(jié)果婚禮上雪情,老公的妹妹穿的比我還像新娘。我一直安慰自己拾因,他們只是感情好旺罢,可當(dāng)我...
    茶點(diǎn)故事閱讀 64,330評(píng)論 5 373
  • 文/花漫 我一把揭開(kāi)白布。 她就那樣靜靜地躺著绢记,像睡著了一般扁达。 火紅的嫁衣襯著肌膚如雪。 梳的紋絲不亂的頭發(fā)上蠢熄,一...
    開(kāi)封第一講書(shū)人閱讀 49,071評(píng)論 1 285
  • 那天跪解,我揣著相機(jī)與錄音,去河邊找鬼签孔。 笑死叉讥,一個(gè)胖子當(dāng)著我的面吹牛,可吹牛的內(nèi)容都是我干的饥追。 我是一名探鬼主播图仓,決...
    沈念sama閱讀 38,382評(píng)論 3 400
  • 文/蒼蘭香墨 我猛地睜開(kāi)眼,長(zhǎng)吁一口氣:“原來(lái)是場(chǎng)噩夢(mèng)啊……” “哼但绕!你這毒婦竟也來(lái)了救崔?” 一聲冷哼從身側(cè)響起,我...
    開(kāi)封第一講書(shū)人閱讀 37,006評(píng)論 0 259
  • 序言:老撾萬(wàn)榮一對(duì)情侶失蹤捏顺,失蹤者是張志新(化名)和其女友劉穎六孵,沒(méi)想到半個(gè)月后,有當(dāng)?shù)厝嗽跇?shù)林里發(fā)現(xiàn)了一具尸體幅骄,經(jīng)...
    沈念sama閱讀 43,512評(píng)論 1 300
  • 正文 獨(dú)居荒郊野嶺守林人離奇死亡劫窒,尸身上長(zhǎng)有42處帶血的膿包…… 初始之章·張勛 以下內(nèi)容為張勛視角 年9月15日...
    茶點(diǎn)故事閱讀 35,965評(píng)論 2 325
  • 正文 我和宋清朗相戀三年,在試婚紗的時(shí)候發(fā)現(xiàn)自己被綠了拆座。 大學(xué)時(shí)的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片主巍。...
    茶點(diǎn)故事閱讀 38,094評(píng)論 1 333
  • 序言:一個(gè)原本活蹦亂跳的男人離奇死亡冠息,死狀恐怖,靈堂內(nèi)的尸體忽然破棺而出煤禽,到底是詐尸還是另有隱情铐达,我是刑警寧澤岖赋,帶...
    沈念sama閱讀 33,732評(píng)論 4 323
  • 正文 年R本政府宣布檬果,位于F島的核電站,受9級(jí)特大地震影響唐断,放射性物質(zhì)發(fā)生泄漏选脊。R本人自食惡果不足惜,卻給世界環(huán)境...
    茶點(diǎn)故事閱讀 39,283評(píng)論 3 307
  • 文/蒙蒙 一脸甘、第九天 我趴在偏房一處隱蔽的房頂上張望恳啥。 院中可真熱鬧,春花似錦丹诀、人聲如沸钝的。這莊子的主人今日做“春日...
    開(kāi)封第一講書(shū)人閱讀 30,286評(píng)論 0 19
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽(yáng)硝桩。三九已至,卻和暖如春枚荣,著一層夾襖步出監(jiān)牢的瞬間碗脊,已是汗流浹背。 一陣腳步聲響...
    開(kāi)封第一講書(shū)人閱讀 31,512評(píng)論 1 262
  • 我被黑心中介騙來(lái)泰國(guó)打工橄妆, 沒(méi)想到剛下飛機(jī)就差點(diǎn)兒被人妖公主榨干…… 1. 我叫王不留衙伶,地道東北人。 一個(gè)月前我還...
    沈念sama閱讀 45,536評(píng)論 2 354
  • 正文 我出身青樓害碾,卻偏偏與公主長(zhǎng)得像矢劲,于是被迫代替她去往敵國(guó)和親。 傳聞我的和親對(duì)象是個(gè)殘疾皇子慌随,可洞房花燭夜當(dāng)晚...
    茶點(diǎn)故事閱讀 42,828評(píng)論 2 345

推薦閱讀更多精彩內(nèi)容