tep 4: Model Selection and Training

• 最常用的模型是Ensemble Model，比如 Random Forest,Gradient Boosting。当然在开始的时候，可以用点简单的模型，一方面是可以作为底线threshold，另一方面也可以在最后作为Ensemble Model。
  当然还有大名鼎鼎的xgboost,这个我也没有深入的研究，只是简单的用python调用了下，接下来如果有时间，要好好深入研究下。

• 选择完模型之后，就是要训练模型，主要就是调参，每种模型都有自己最关键的几个参数，sklearn中GridSearchCV可以设置需要比较的几种参数组合，然后用cross validation来选出最优秀的参数组合。大概用法为：