DEV Community
·
关于机器学习分类/预测的初学者问题
💡
原文英文，约200词，阅读约需1分钟。
📝
内容提要
文章讨论了在Google云上构建分类模型时遇到的问题，包括处理缺失数据和解释模型的统计数据。作者尝试了技术设备数据库和信用卡交易数据集。
🎯
关键要点
- 作者是机器学习新手，正在Google云上构建分类模型。
- 目标是预测技术设备是否需要维护，但数据中存在大量缺失值。
- 可用的数据主要是静态技术数据，使用时间信息只能通过其他实体推断。
- 作者考虑构建一个输出布尔值的模型，判断设备是否在一个月内需要维护。
- 作者还尝试了信用卡交易数据集，但对一些技术细节不太理解。
- Kaggle页面建议使用精确率-召回率曲线下的面积（AUPRC）来衡量不平衡分类的准确性，而混淆矩阵的准确性不具意义。
➡️
