我正在建立一个模型来预测，比如房价。在我的数据中，我有销售和租金。Y变量是销售或租金的价格。我还有许多X变量要预测Y，例如卧室数量、浴室数量、平方米等。
我相信该模型将首先对变量“销售”与“租金”进行拆分，因为这将最大程度地减少损失函数 - RMSE。
您认为最好训练 2 个模型，一个用于“销售”，另一个用于“租赁”？该模型的 RMSE 相当高，部分原因是“销售”预测不正确。
多个 XGBoost 模型或仅 1 个用于特定类型的类别？
数据挖掘
机器学习
预测建模
xgboost
2022-02-21 00:48:05
1个回答
这是 ML 的主要优点：如果变量具有任何预测值（不包含在另一个变量中），则模型应该使用它。所以，一般来说，手工挑选你的变量来制作不同版本的模型是没有意义的（但是挑选一些你想要抛出的变量是有意义的）。这相当于在你的第一棵树中选择第一个二叉树......你并没有取得太大的成就。
编辑：好的，似乎目标并没有很好地定义，因为您汇总了每月付款的事物和房屋价值的事物。在这种情况下，有两个模型是有意义的。（老实说，首先不聚合这两个不同的数据集甚至更有意义）。