找到数据的最佳模型

Question

我正在努力解决数据科学问题。我什至不知道如何简洁地描述它，所以我想解释一下我在寻找什么，也许这里的许多聪明人可以为我指出正确的方向。

我有很多数据点组织在矩阵中（行中的产品，列中的变体）

例如：

产品	型号 0 的价格	型号 1 的价格	型号 2 的价格
A	230	250	260
B	170	190	200
C	300	310	320

大约有 40 个变体和大约 2000 种产品。

我现在想要将模型拟合到该数据中，如下所示：

variant_price（产品，变体）= 基本价格（产品）+ 标记（变体）

我正在寻找的结果：

• 每种产品的底价
• 每个变体的标记

限制：

• 所有产品的所有变体的标记都是相同的
• 基本价格是按产品计算的

我觉得这可以通过某种线性回归/最小二乘法实现，但我很难弄清楚如何构建/开始这个。

Answer 1

首先应用简单的 ML 模型（线性回归、决策树、SVM），然后评估模型性能（scikit-learn 是一个很好的起点）。一旦找到性能良好的模型，请微调该模型的超参数（例如使用网格搜索）。