→ f496328mm: 你 baseline 指的是? 基準線? 08/26 08:02
→ f496328mm: 如果是的話, 那就是你的 AUC 值, 或是其他的evaluation 08/26 08:03
→ f496328mm: 然後再去改進你的 model, 最後可以知道 08/26 08:03
→ f496328mm: 你進步多少, 跟 baseline 比 08/26 08:04
→ jacobcan118: 我拿Random forest用auc roc算出來 值是.08975多欸 08/26 13:05
→ jacobcan118: 有什麼方法可以改進Random forest的model嗎？ 設不同 08/26 13:06
→ jacobcan118: 的n_estimator? 08/26 13:06
推 f496328mm: 改進有很多方法，比較重要的是feature工程 08/26 22:06
→ f496328mm: 簡單講就是，由原始變數，去額外衍生製造新變數，可能 08/26 22:08
→ f496328mm: 會提高準確率 08/26 22:08
→ f496328mm: 話說你連auc不到0.1，這？？？這很爛的結果吧 08/26 22:09
→ jacobcan118: 不好意思. 是0.8975. feature工程意思是只選不同變數 08/26 22:15
推 recorriendo: AUC=0.5最爛 (2 classes的情況) 愈大或愈小都愈好 08/27 01:23
推 f496328mm: 只選不同變數，你是指variable selection嗎？那是其中 08/27 04:03
→ f496328mm: 一部分，你是可以額外製造變數的，舉個簡單的例子，變 08/27 04:04
→ f496328mm: 數與目標，是非線性關係，所以變數取平方，變成新變數 08/27 04:04
推 f496328mm: 不過平方只是一種，重點還是要看問題，你也可以畫畫圖 08/27 04:05
→ f496328mm: 看變數之間的關係 08/27 04:05
→ f496328mm: 另外你的auc，應該是指testing吧？因為一般的RF很容易o 08/27 04:06
→ f496328mm: verfitting 08/27 04:06