模型选择生存手册

综合实践 · 08_资料库/模型选择生存手册.md

模型选择生存手册

目标

拿到课程作业或论文方法时，先判断问题类型，再选择基准方法。不要一上来追求复杂模型。

第 1 步：判断目标变量

连续数值

任务：回归。

• 线性回归。
• Ridge / Lasso。
• 随机森林回归。

基准方法：

常问 AI：

这个任务的目标变量是连续数值，请帮我设计一个回归分析流程，包括基准模型、评价指标和残差诊断。

类别标签

任务：分类。

• 逻辑回归。
• 随机森林分类。
• 支持向量机或梯度提升作为进阶。

基准方法：

常问 AI：

这个任务是分类问题，请帮我选择评价指标，并说明 accuracy、precision、recall、F1 和 AUC 分别回答什么问题。

没有标签

任务：无监督学习。

• 聚类。
• PCA。
• 异常检测。

基准方法：

常问 AI：

这个数据没有标签，请帮我判断适合做聚类、降维还是异常检测，并说明每种方法能回答什么问题。

按时间排列

任务：时间序列。

• 可视化趋势和季节性。
• ARIMA。
• 滞后特征 + 回归/机器学习。

基准方法：

常问 AI：

这是时间序列任务，请帮我检查趋势、季节性、自相关和平稳性，并给出一个基准预测流程。

节点和边

任务：网络分析。

• 中心性。
• 社区发现。
• PageRank。
• 网络可视化。

基准方法：

常问 AI：

这是一个网络数据任务，请帮我定义节点和边，并设计中心性、社区发现和 PageRank 的分析流程。

第 2 步：先跑基准模型

专业表达：

我会先建立一个可解释的基准模型，再判断是否需要更复杂的方法。

为什么：

• 基准模型容易解释。
• 可以发现数据问题。
• 可以作为复杂模型的比较对象。

第 3 步：选择评价指标

• 类别平衡：accuracy 可以作为基础指标。
• 类别不平衡：precision、recall、F1、AUC 更重要。
• 风险预警：通常更关注 recall 和漏报。

分类：

• 想看平均绝对误差：MAE。
• 想惩罚大误差：RMSE。
• 想看解释比例：R-squared。

回归：

• 按时间划分训练测试。
• 看预测误差。
• 检查残差自相关。

时间序列：

• 中心性不是“真重要性”，需要结合实际解释。
• 社区发现结果需要稳定性和现实意义。

网络：

第 4 步：写局限

任何模型结果都要补局限：

• 数据是否有偏。
• 是否存在缺失或异常。
• 是否可能数据泄漏。
• 是否只支持相关而非因果。
• 是否只适合当前样本。

不能说的话

• 这个模型最好。
• 结果显著所以一定有因果。
• AUC 高所以模型没有问题。
• 聚类发现了真实群体。
• PageRank 高说明这个节点一定最重要。

更好的说法

• 该模型可作为基准结果。
• 当前结果支持统计关联或预测能力，但不直接支持因果解释。
• 指标表现需要结合数据质量和评价目标理解。
• 网络指标提示该节点在结构上可能重要，但仍需结合实际背景解释。