做机器学习到现在总结的经验

1. 针对不同的问题会有不同的算法，没有哪个算法就是最好的，我们原来用过xgboost调了半天参数，结果用了lasso试了一下，比xgboost效果好；

2.对不同的模型要注意过拟合的问题，树模型要进行交叉验证，千万不要一味的增加深度，只会让模型越来越差；

3.不同的模型训练完后一定要看一下每个特征的权重，会发现不同的算法特征的权重是不一样的，也能找到最重要的几个特征着重处理；

4.当实在没有什么好的方法来提升效果的时候，不如去分析一下badcase，找到差异最大的badcase知道他们为什么会产生这种状况，然后再修改特征；

5.特征才是解决问题的根本，特征决定了算法的上限，好好分析特征，不要在意在这里浪费时间；

6.先写到这，后续有什么问题再补充