¿Cómo puedo mejorar mi puntuación del modelo?

Todo comienza con los datos: basura entra, basura sale. Algunos factores a considerar que pueden tener un impacto en la calidad del modelo: - Si hay datos que no son limpios o confiables, considere eliminarlos del conjunto. No limpios o no confiables podría significar que la mayoría de los valores de la columna son nulos, alta concentración de un valor en una sola columna (es decir, tiene una columna con los valores de 'rojo', 'verde', 'azul' y el 90% de los valores en la columna son 'rojo'), los valores en una columna son altamente únicos. - Si la naturaleza de los datos que está recopilando ha experimentado un cambio significativo (por ejemplo, un cambio de política importante que entra en vigor puede significar que los datos anteriores no se parecen a los nuevos datos). - Un mayor volumen de datos tiende a producir modelos más confiables, por lo que cualquier punto de datos adicional relevante ayudará, ya sea que se trate de nuevas observaciones recopiladas a medida que pasa el tiempo, o de datos históricos recopilados de una fuente previamente no explotada. Si su modelo aún no está obteniendo buenos resultados, también puede ser porque las métricas que realmente tienen una relación con la métrica predicha aún no están capturadas en el conjunto de datos. Podría ser el momento de reflexionar sobre qué otras cosas podrían tener un efecto en la métrica predicha y ver si esos datos pueden ser recopilados e incluidos en el conjunto de datos. Recuerde: ¡los algoritmos predictivos solo pueden identificar patrones que están ahí para ser encontrados!