1樓：豆花泡饃
兩種思路。
一是優化模型自身。引數調優，特徵選擇。都有相應的演算法可以使用。引數調優可以使用交叉驗證、網格搜尋等方法。
二是優化資料特徵。第一種方法優化模型本身往往取得的提公升很有限，一套好的特徵才是模型效果的有力保證。特徵需要做到豐富、數值型別、值域相當等。
2樓：nbe
本人最近剛學資料分析導論（機器學習），說錯的地方，請大佬指教。
模型的擬合度不好：
原因之一：
資料天然無規律。對回歸問題，mse的均值不小於σ^2（模型為y=f(X)+σ）。對分類問題，平均正確率不可能大於p(模型為max P(y|X)=p)。
至於如何判斷模型是否已經達到目的問題的極限，我才疏學淺，就不回答了。
原因之二：
模型不給力。這可能是因為模型不合適或者沒調好引數。模型不合適包括用非線性模型去擬合乙個線性關係等。
模型調參我覺得值得一提，很多時候模型表現不好是因為沒調好參。我們都知道模型表現是有bias-variance tradeoff，就是說增大模型的靈活性（flexibility）會減少偏差（bias）增大模型波動（variance），bias大或variance大都會使模型的表現變差。調參就是調模型的靈活性，一般的模型都有引數可以調flexibility，比如lasso，ridge的λ，Decision tree的葉節點數等，gbdt的樹的數目等。
一般來說，fine tune之後表現會好不少。調參的方法一般是grid search配合CV。
下面是我的個人經驗，資料預處理有奇效，比如PCA。可以嘗試一下。
3樓：TripleLift
額，分兩個情況，如果你是模型的問題，你可以試試用一些公認效果較好的boosting模型，如xgb，lgb等等。如果效果不錯，那就是單模型有毒，需要仔細看看你這些演算法是不是適合這些資料。如果效果也是很差，跳到第二種情況。
第二種情況，那就只能說你的特徵太辣雞了，這個時候就要考慮這個問題的場景來挖掘特徵，成了資料探勘了。
不過我感覺是第二種情況可能性極大。。。
如何在沒有錢學習不夠好的情況下出國留學？
奇佳諮詢 我當年就沒有錢去了法國，先去讀了語言，然後進了法國的公立大學，法國公立大學不需要學費，三十需要學習法語，所以你沒什麼錢可以考慮法國的，你需要開始學習法語，爭取把法語過了B2 能夠達到B2 你就可以申請免費的綜合性公立大學，你可以選擇小城市，因為巴黎和里昂的生活費，主要是指租房子比較貴，每年...
平時自己學習挺努力的，但總覺得不夠好，有什麼學習的方法嗎？
Angela 我們班也有好幾位這樣的同學，每天都在默默努力，很安靜的坐在角落學習，很刻苦，可成績上不去，也不知道什麼原因，其實他們也很累。或許你跟他們是一樣的叭，我個人認為學習方法這個本就是很矛盾的。每個人有自己的學習方法，有適用於你自己的，你完成好該做的就足夠了，完成好家庭作業，認真對待每一次課堂...
乙個不談戀愛，只想學習 可能學的也不夠好 的女大學生在你們眼裡是什麼樣子的？
刀劍如夢 有兩種情況。第一種是談過戀愛，知道自己最想要什麼，所以心無旁騖去追尋當下最重要的東西，那樣的話很酷。因為其實沒有必要盲目跟隨周圍人談戀愛的步伐，尊重個體的成長程序，該來的都會來的。第二種是想戀愛但是一直沒啥行動，屬於 自殺式單身 範疇。明明想要邁出第一步，但是因為過去 現在沉迷於學習，缺失...