预测建模与机器学习

# 預測建模請求 ## 項目背景 - 業務問題：[描述需要解決的問題] - 預測目標：[明確定義目標變量] - 成功標準：[定義模型成功的標準] ## 數據情況 - 可用特徵：[列出可用於建模的特徵] - 目標變量：[描述目標變量的類型和分佈] - 數據分割策略：[訓練集/驗證集/測試集的比例] ## 建模需求 請開發預測模型，包括以下步驟： 1. 特徵選擇與工程 2. 模型選擇（考慮多種算法） 3. 超參數調優 4. 模型評估與比較 5. 最終模型解釋 ## 候選算法 請考慮以下算法（根據問題類型選擇）： - 線性/邏輯回歸 - 決策樹/隨機森林 - 梯度提升（XGBoost、LightGBM） - 支持向量機 - 神經網絡 - 集成方法 ## 評估指標 請使用以下指標評估模型： - 分類問題：準確率、精確率、召回率、F1值、AUC-ROC - 回歸問題：RMSE、MAE、R²、調整後的R² ## 輸出期望 - 各模型的性能比較 - 最佳模型的詳細評估 - 特徵重要性分析 - 模型解釋與洞察 - 實施建議與局限性