数据的重要性

数据质量决定模型表现的上限！
Always check:

1. 数据属性的意义，是否为无关数据
2. 不同属性数据的数量级差异性如何
3. 是否有异常数据
4. 采集数据的方法是否合理，采集到的数据是否有代表性
5. 对于标签结果，要确保标签判定规则的一致性（统一标准）

模型优化方法

• 遍历核心参数组合，评估对应模型表现（比如：逻辑回归边界函数考虑多项式，KNN尝试不同的n_neighbors值）
• 扩大数据样本
• 增加或减少数据属性
• 对数据进行降维处理
• 对模型进行正则化处理，调整正则项\(\lambda\)的数值