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。
❓
延伸问答
如何处理机器学习中的缺失数据？
可以通过推断其他实体的信息来处理缺失数据，或者考虑使用数据填补技术。
构建分类模型的目标是什么？
目标是预测技术设备是否在一个月内需要维护。
什么是AUPRC，为什么在不平衡分类中重要？
AUPRC是精确率-召回率曲线下的面积，适合衡量不平衡分类的准确性，因为混淆矩阵的准确性在这种情况下不具意义。
在Google云上构建分类模型的挑战是什么？
主要挑战是处理缺失数据和理解模型的统计数据。
如何判断设备是否需要维护？
可以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。
作者在尝试哪个数据集进行机器学习？
作者尝试了技术设备数据库和信用卡交易数据集。
🏷️
