短信预约数据分析师考试动态提醒
短信预约提醒成功
1、深度解析的机器学习模型——决策树模型
这个微课程将让你在熟悉以下场景后，构建模型。
你的堂哥已经花了数百万美元用于房地产的预测，由于你对数据科学非常感兴趣，他提供了一个与你进行商业合作对机会。将由他来出资，你来构建模型，预测不同房产的价值。
作为一个专业的挖掘工程师，你咨询了堂哥过去是如何预测房地产价值的。他告诉你都是通过直觉来预测的。但你又问了一些问题，这些疑问表明他已经从过去所见到的房地产中识别出了价格模式，并且他正是用这些模式对他正在考虑的房产进行估值的。
机器学习的工作原理也是这样。我们首先接触一个叫决策树的模型。当然，还有很多出色的模型能够给出更为准确的预测结果。但决策树模型易于理解，并且是数据科学中一些出色模型的基础组成模块。
为了简单起见，我们将从最简单的决策数开始。
这个决策树将所有房子分为两类。所考虑的任何房子的预测价格是该房子所属类别的历史平均价格。
我们用数据来决定如何将所有的房子分为2组，既而决定每个分组中的预测价格。从数据中捕捉模式的这一步就叫拟合或者训练模型。用于模型拟合的数据就叫做训练数据。
模型拟合的细节(包括如何对数据进行切分等)，是一个比较复杂的过程，我们把它留到后面来解决。在模型拟合好后，你就可以用它来预测其他房子的价格了。
2、深度解析的机器学习模型——改进的决策树模型
通过拟合训练数据，以下这2棵决策树，哪一个更有可能产生呢?
很显然，左边的第一棵数更有意义一些，因为它捕捉出了这样一个现实：卧室多的房子价格通常要比卧室数少的房子价格高。但这个模型最大的缺陷是它无法捕捉到影响房子价格的多种因素，诸如浴室数、手数(一手还是二手)以及房子的地理位置。
你可以通过一棵拥有更多分支的树来捕获更多的房价影响因素。这种多分支的树被称为更深的树。
通过追踪决策树，你可以预测任何房子价格，只要选择与被预测房子特征相符合路径。房价的预测结果位于树的最底部，树底部用来预测的点，被称为叶子节点。
树的分支和叶子节点的值将由数据来决定，因此是时候来查看一下将要使用的数据了。
以上就是有关于深度解析的机器学习模型的相关内容，以及相应的解析，不论你是已经入职数据分析师岗位的新人，还是打算进入数据分析岗位的小白，以上的内容都或多或少会对大家有所帮助，环球网校的小编在这里祝大家的数据分析师职业道路顺利。