文章目录
-
- [1. 获取数据](#1. 获取数据)
- [2. 数据基本处理](#2. 数据基本处理)
- [3. 特征工程](#3. 特征工程)
- [4. 机器学习（模型训练）](#4. 机器学习（模型训练）)
- [5. 模型评估](#5. 模型评估)
在整个建模流程里面，数据基本处理和特征工程一般是耗时、耗精力最多的
1. 获取数据
搜集与完成机器学习任务相关的数据集
2. 数据基本处理
数据集中异常值、缺失值的处理等（先清洗，再建模）
3. 特征工程
对数据特征进行提取、转成向量，让模型达到最好的效果
4. 机器学习（模型训练）
选择合适的算法对模型进行训练
根据不同的任务选不同的算法，四大类：
- 有监督学习（有标签：回归/分类）
- 无监督学习（无标签：聚类）
- 半监督学习（少量标签 + 大量无标签）
- 强化学习（靠奖励信号试错学习）
5. 模型评估
评估效果好 → 上线服务 ；评估效果不好 → 重复上述步骤（回炉调整）