Kaggle-intro-to-machine-learning(1)

How-models-work

我们将从机器学习模型如何工作以及如何使用的概述开始。如果您之前已经进行过统计建模或机器学习，则这可能很基础。不用担心，我们将尽快建立强大的模型。

通过此微课程，可以在经历以下场景时构建模型：

你的堂兄已经赚了数百万美元，投机房地产。由于您对数据科学的兴趣，他愿意与您成为业务合作伙伴。他将提供资金，并且您将提供可预测各种房屋价值的模型。

您问您的堂兄，他过去如何预测房地产价值。他说这只是直觉。但是更多的质疑显示他从过去的房屋中识别出了价格模式，然后他利用这些模式对他正在考虑的新房屋做出预测。

机器学习的工作方式相同。我们将从称为决策树的模型开始。有更高级的模型可以提供更准确的预测。但是决策树很容易理解，它们是数据科学中一些最佳模型的基本构建块。

为简单起见，我们将从最简单的决策树开始。

 

 

 它将房屋仅分为两类。 所考虑的任何房屋的预测价格为同一类别房屋的历史平均价格。
我们使用数据来决定如何将房屋分为两组，然后再次确定每组中的预测价格。 从数据捕获模式的这一步骤称为拟合或训练模型。 用于拟合模型的数据称为训练数据。
有关模型拟合方式的详细信息（例如如何拆分数据）非常复杂，我们将其保存以备后用。 模型拟合后，您可以将其应用于新数据，以预测其他房屋的价格。

Improving the Decision Tree

 

 实际情况下，左边的模型更加符合情形，但是还是有很多的不足，如没有说明房屋的位置，大小，有没有阳台等待，所以为了更好的预测，往往需要更深的树

 

您可以通过跟踪决策树来预测任何房屋的价格，并始终选择与房屋特征相对应的路径。 房屋的预计价格在树的底部。 我们进行预测的底部点称为叶子。

叶子上的拆分和值将由数据确定，因此是时候检查要使用的数据了。