带你一起机器学习：模型如何工作

问题导读

1.本文什么场景？
2.本文选择了什么数据模型？
3.决策树预测底部的点叫什么？

最新经典文章，欢迎关注公众号


介绍
我们首先概述机器学习模型如何工作以及如何使用它们。 如果之前已完成统计建模或机器学习，这可能会感觉很基础。 我们这里会建立强大的模型。

本文将构建以下场景的模型：
你的堂兄已经花了数百万美元来推测房地产。 由于你对数据科学的兴趣，他愿意与你成为业务合作伙伴。 他会提供资金，你会提供预测各种房屋价值的模型。

你问你的堂兄他过去如何预测房地产价值。 他说这只是直觉。 但更多的质疑表明，他已经确定了他过去看过的房屋的价格模式，他利用这些模式对他正在考虑的新房进行预测。

机器学习的工作方式相同。 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提供更准确的预测。 但决策树很容易理解，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是同一类别房屋的历史平均价格。

我们使用数据来决定如何将房屋分成两组，然后再次确定每组的预测价格。 从数据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）非常复杂，我们以后在说。 在模型拟合后，可以将其应用于新数据以预测其他房屋的价格。

改进决策树

通过拟合房地产训练数据，更有可能产生以下两个决策树中的哪一个？


左侧的决策树（决策树1）可能更有意义，因为它捕捉到了这样的现实：拥有更多卧室的房屋往往以比卧室更少的房屋更高的价格出售。 这种模式的最大缺点是它不能捕捉影响房价的大多数因素，如浴室数量，批量，位置等。

你可以使用具有更多“拆分”的树来捕获更多因素。 这些被称为“更深”的树木。 决策树也考虑每个房子的总批量大小可能如下所示：



你通过跟踪决策树来预测任何房子的价格，总是选择与该房子的特征相对应的路径。房子的预计价格在树的底部。我们预测底部的点叫做叶子。

叶子上的分割和值将由数据确定，因此你可以查看将要使用的数据。