利用神经网络(MLP)做回归分析，输入的参数有 8 个属性以此来回归参数 Y，数据量大约 9 万条，模型的 mape 是 18%左右，还有优化空间吗？

[risan]

1 万条训练出来的模型和 8 万条训练出来的性能差不多，个人认为这个模型能做到 18%已经是极限了。

[Sawyerhou]

是说输入特征有 8 个吗？如果是，这么点输入没办法用神经网络拟合，树类模型应该都跑不满，直接多项式回归试试？

[volvo007]

听起来应该有优化空间。我遇到的很多新手都是特别迷信模型，觉得好像用了一个模型就可以拯救世界。实际上数据清洗和特征工程占到了一般 ds 项目的 60% 甚至更多的时间。

去做做特征工程吧，不是简单的什么最大值、最小值、中位数，而是从业务角度出发看看有没有哪些特征是重要的

最近的一个例子是，乙方帮我们建模，也是搞了半天准确率上不去，还说就只能这样了。我一看，你这些数据前一个影响后一个，有因果关系，都不是独立同分布的搞毛。换了个思路，模型几乎没动，准确度马上提升一大截。

[risan]

@Sawyerhou 属性有 8 个，总共有 9 万条这样的记录。

[Sawyerhou]

@risan 数据量再大也没用啊，要不就像楼上哥们说的做下特征工程，扩充下输入数量。

而且 9 万也不够，神经网络数据量最小也要百万量级。