版权声明：本文为博主原创文章，未经博主允许不得转载。 https://blog.csdn.net/zhougb3/article/details/80297114
由于我要打的比赛是做一个二分类预测器，所以就开始找到有关的模型进行了解学习。常见的分类模型如下：
逻辑回归(Logistic Regression, LR)
朴素贝叶斯(Naive Bayes, NB)
K近邻（K-nearest neighbors, KNN）
决策树（Decision Tree, DT）
支持向量机（Support Vector Machine, SVM）
神经网络（Neural Network, NN）
K近邻算法
逻辑回归
逻辑回归容易出现过拟合的问题，导致维度灾难，参考：分类问题中的维度灾难
支持向量机：
决策树
这块的知识就比较深了，通过网上查的资料得知树模型预测的精度通常比其他模型高，因此决定这次比赛采用树模型。当然，最好的情况肯定是试验各种模型，再挑选最好的模型。
sk-learn是必须要学的一个包：sk-learn教程 中文文档
接下来就是要学习xgboost和sklearn的调参方法了。