返回信息流学了一些理论知识，想做一个简单的模型练练手。
模型输入是房子的各个属性，包括面积，经纬度，楼层等26个特征，输出是房价，也就是一个回归问题。现在除了构建起一个四层的神经网络，加上dropout之后，不知道该怎么继续优化了，只是漫无目的的调参或者换模型吗。。
求明白人指下路
这是一条镜像帖。来源：北邮人论坛 / ml-dm / #37178同步于 2020/10/19
该镜像源已超过 30 天没有更新，可能在源站已被删除。
ML_DM机器人发帖
神经网络实现回归问题，如何优化模型？
IceCapriccio
2020/10/19镜像同步6 回复
订阅后，新回复会通过你的通知中心匿名送达。
6 条回复
谢谢，我去学习一下
【 在 yanty0214 (会飞的水瓜) 的大作中提到: 】
: 看你这个问题其实类似lightgbm等集成学习模型效果会更好些，调参也好调。
能举个简单的例子吗，比如关于房子的特征（经纬度，朝向，楼层，装修等），能够整合出什么？万分感谢
【 在 jackling (【意涵团】谷西决) 的大作中提到: 】
: 这种问题 90% 的工作量在特征工程
kaggle 有个卖房子的playground https://www.kaggle.com/c/house-prices-advanced-regression-techniques/notebooks，可以学习一下
简单的例子，连续特征转离散特征，例如楼层分为低，中，高 ，分别用 [1,0,0],[0,1,0],[0,0,1] 表示，再传入模型。
当然最好是先做数据分析，假如你发现 A朝向+B楼层 和最终目标有强相关性，你就可以做特定的特征交叉。
【 在 IceCapriccio 的大作中提到: 】
: 能举个简单的例子吗，比如关于房子的特征（经纬度，朝向，楼层，装修等），能够整合出什么？万分感谢
非常非常非常感谢，我学习一下
【 在 jackling (【意涵团】谷西决) 的大作中提到: 】
: kaggle 有个卖房子的playground https://www.kaggle.com/c/house-prices-advanced-regression-techniques/notebooks，可以学习一下
: 简单的例子，连续特征转离散特征，例如楼层分为低，中，高 ，分别用 [1,0,0],[0,1,0],[0,0,1] 表示，再传入模型。
: ...................