Kaggle官方课程链接：How Models Work

本专栏旨在Kaggle官方课程的汉化，让大家更方便地看懂。

How Models Work

第一步，如果你是机器学习的新手。

Introduction

我们将从概述机器学习模型的工作原理和使用方法开始。如果你以前做过统计建模或机器学习，这可能会让你觉得很基本。别担心，我们很快就会建立强大的模型。

本课程将让您在经历以下场景时构建模型：

你表哥通过房地产投机赚了数百万美元。由于你对数据科学的兴趣，他主动提出与你成为商业伙伴。他会提供资金，你会提供预测各种房屋价值的模型。

你问你的堂兄过去是如何预测房地产价值的，他说这只是直觉。但更多的质疑表明，他从过去见过的房子中识别出了价格模式，并利用这些模式对他正在考虑的新房进行了预测。

机器学习的工作原理是一样的。我们将从一个名为决策树的模型开始。有更高级的模型可以给出更准确的预测。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。

为了简单起见，我们将从最简单的决策树开始。

它将房屋分为两类。所考虑的任何房屋的预测价格都是同类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，然后再次确定每组的预测价格。从数据中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。

模型如何拟合的细节（例如如何分割数据）足够复杂，我们将稍后保存。模型拟合后，您可以将其应用于新数据，以预测额外房屋的价格。

Improving the Decision Tree

以下两个决策树中，哪一个更有可能是拟合房地产训练数据的结果？

左边的决策树（决策树1）可能更有意义，因为它捕捉到了这样一个现实，即卧室更多的房子往往比卧室更少的房子售价更高。这种模型最大的缺点是它没有捕捉到影响房价的大多数因素，如浴室数量、地块大小、位置等。

你可以使用具有更多“分裂”的树来捕捉更多的因素。这些被称为“更深”的树。一个同时考虑每栋房子地块总面积的决策树可能看起来像这样：

你可以通过追踪决策树来预测任何房子的价格，总是选择与房子特征相对应的路径。这房子的预测价格是最低的。我们做出预测的底部点称为叶子。

叶子处的分割和值将由数据决定，因此是时候检查您将使用的数据了。

Continue

让我们更具体一点。是时候检查你的数据了。