我是数据科学的新人，想寻求模型选择的帮助。
我建立了8个模型来预测薪水与年薪，职位名称和位置。 然后，我尝试通过RMSE比较8个模型。但是最后，我不确定应该选择哪种型号。 （在我看来，我更喜欢使用模型8，因为经过随机森林测试后，结果要比回归更好，然后我使用所有数据集制作了最终版本，但解释系数比回归更困难） 您能帮您选择哪种型号，为什么？ 实际上，数据科学家是否会像这样进行处理，或者他们有自动处理的方法？
1 RMSElm1：模型：线性回归，数据：训练80％，测试20％没有任何估算 = 22067.58
2 RMSElm2：模型：线性回归，数据：训练80％，测试20％：估算一些我认为他们给出相同薪水概念的位置 = 22115.64
3 RMSElm3：模型：线性回归+逐步分析，数据：训练80％，测试20％没有任何估算 = 22081.06
4 RMSEdeep1：模型：深度学习（H2O软件包激活=“整流器”，隐藏的c（5,5），历元= 100，），数据：训练80％，测试20％：无任何归因 = 16265.13
5 RMSErf1：模型：随机森林（ntree = 10），数据：训练80％，测试20％无任何归因 = 14669.92
6 RMSErf2：模型：随机森林（ntree = 500），数据：训练80％，测试20％没有任何归因 [1] 14669.92
7 RMSErf3：模型：随机森林（ntree = 10，）数据：K折10没有任何插补 [1] 14440.82
8个RMSErf4模型：随机森林（ntree = 10），数据：所有数据集无任何估算 [1] 13532.74
答案 0 :(得分：0)
在回归问题中， mse 或 rmse 是一种确定模型运行状况的方法。低rmse或mse是首选。因此，选择给出最低mse或rmse值的模型，然后在测试数据上进行尝试。集成方法通常会产生最佳效果。 XGBoost通常在比赛中使用。
在过度拟合的情况下，训练数据的均方根值可能非常低，而测试数据的均方根值却很高。因此，使用交叉验证被认为是一个好习惯。
您可能要检查它：https://stats.stackexchange.com/questions/56302/what-are-good-rmse-values