机器学习，怎么判断数据是否有学习的意义？

[shiji]

假设数据大于一千条，参数 30 个左右。
简单试了 sklearn 的大部分 classifier 和 regression，准确率和随机猜答案没多少区别。。

是不是意味着这组数据确实挖掘不出什么价值？

数据是：
https://archive.ics.uci.edu/ml/machine-learning-databases/00503/

[Xs0ul]

https://ieeexplore.ieee.org/document/8289800

[Xs0ul]

https://archive.ics.uci.edu/ml/datasets/Hepatitis+C+Virus+%28HCV%29+for+Egyptian+patients

手滑发出去了. 这个数据集应该是随着这篇论文发表的. abstract 里说达到了 99.48% 的 accuracy

刚开始尝试可能没法达到这么好的效果,但是 classification 和 regression 都没想好就试,不太合理吧

[shiji]

@Xs0ul 那个 paper 我看了，作者对比了自己的算法，和一些常见的算法。比如 OneR， 他 oneR 就已经有百分之九十五的准确率了。所以按理来说某一个 attribute 是和要预测的那一列强相关，然后 coefficient 跑出来，都很散，参数和参数之间关联性都很弱，所以我怀疑是这份上传的数据有问题。。才有了这么一问

[shiji]

@Xs0ul

[RHxW]

特征工程？

[Xs0ul]

@shiji #4 压缩包里的 Discretization-Criteria.csv 你试了吗？看起来有默认的一些离散化

[shiji]

@Xs0ul 试过了，原始数据，和离散化之后的我都试过了。

[wysnylc]

人肉智能,人肉