在我最近的任务中，我们的任务是构建一个模型来预测汽车零售公司的二手车价格。给定的数据已经被清理，目标变量是 6 个级别的响应（6 个不同的价格范围）。到目前为止，我最好的模型是一个梯度提升模型，它产生了 67.7%，最大深度为 5 和 100 棵树迭代（在参数调整中受到限制，因为过程需要很长时间才能运行）。我使用了RapidMiner。
我的问题是：还有其他方法可以提高保留数据的准确性吗？通过调整其他参数或完全不同的模型？
任何帮助深表感谢 ：）
Ps：试图附加数据集但无法弄清楚如何。
在我最近的任务中，我们的任务是构建一个模型来预测汽车零售公司的二手车价格。给定的数据已经被清理，目标变量是 6 个级别的响应（6 个不同的价格范围）。到目前为止，我最好的模型是一个梯度提升模型，它产生了 67.7%，最大深度为 5 和 100 棵树迭代（在参数调整中受到限制，因为过程需要很长时间才能运行）。我使用了RapidMiner。
我的问题是：还有其他方法可以提高保留数据的准确性吗？通过调整其他参数或完全不同的模型？
任何帮助深表感谢 ：）
Ps：试图附加数据集但无法弄清楚如何。