数据的准确性对模型效果的重要性
今天讲一个性别预测问题，采用 LR 模型，特征选择（ App 的安装、卸载、操作、昵称、手机颜色、手机型号、手机前置摄像头使用、镜子 App 使用等维度）。下面是相同的特征工程，但是由于数据源的过滤策略不同问题，导致模型训练效果差别巨大。
1、数据未经过特定数据过滤 
文章图片
2、数据经过去冲突、去默认值过滤 
文章图片
3、结论 1）第一幅图中，男性预测精确率为83.27%，召回率95.73%，女性精确率为72.59%，召回率37.03% 第二幅图，男性预测精确率为93.25%，召回率94.91%，女性精确率为82.66%，召回率77.93%。明显过滤的预测效果要比未过滤好很多。 2）数据源的清晰和质量的保证对模型训练的影响巨大。 有一句话：数据和特征工程决定了机器学习的上限，算法只是逼近这个上限。
推荐阅读
- 热闹中的孤独
- JAVA（抽象类与接口的区别&重载与重写&内存泄漏）
- 放屁有这三个特征的，请注意啦！这说明你的身体毒素太多
- 一个人的旅行，三亚
- 布丽吉特，人生绝对的赢家
- 慢慢的美丽
- 尽力
- 一个小故事，我的思考。
- 家乡的那条小河
- Docker应用:容器间通信与Mariadb数据库主从复制