从第一份工作到现在已经6年多了，一直在从事数据相关工作，回顾工作内容发现，虽然预测很难理想化，但是始终是决策层希望得到的参考信息。下面带你快速了解预测模型：
一、基本步骤
从统计模型出发作预测一般需要4个大的步骤，需求确认、数据收集与整理、模型构建、模型评价与确认，如下图；如果涉及机器学习算法，还需要反复调优；后续文章再介绍；
图1 统计分析建模步骤
二、常见预测模型
任何一门学科都在不停的进步，算法的种类也越来越多，每种算法都有自己的优劣势，下图展示了用于预测的几种常见算法。其实，在做项目时，最重要的是挑选合适的算法，而不是纠结于算法的难易程度；
图2 几种常见的预测模型
我们必须根据数据分布特点、数据量、预测周期来挑选合适的算法，下图是关于不同算法的应用对比：
图3 预测模型的核心与应用特点
三、模型的效果评估
一种预测方法的好坏取决于预测误差的大小，较为常见的是采用均方误差比较各种方法的优劣，均方误差越小，模型预测效果越好。
均方误差是各数据偏离真实值差值的平方和的平均数，用MSE表示，计算公式为：
