kaggle比赛之悟

一、模型与特征哪个重要？

　　参与Sberbank Russian Housing Market比赛，一开始使用sklearn的岭回归函数Ridge(),残差值一直是0.37左右，然后同样的特征又使用了XGboost，残差值降到了0.34左右，提高的还是挺显著的。

　　但是另外一些参赛选手，使用XGboost，残差值可以降到0.31左右。所以由此来看，xgboost模型确实厉害，效果很好。

　　通过比赛不断调整特征发现，特征多了未必好，少了重要特征更不行，只有留下最重要的特征，模型的残差值才会降到最低。所以，选择合适的特征最重要，还是应该将大量时间花费在特征分析与处理上面。