[机器学习] End-to-End流程

Reference: Hands-on Machine Learning with Scikit-Learn and Tensorflow

1. 确定需求和问题:
- 项目目标是什么?
- 在产品中如何实现?
- 是否有现行的模型或方法,如果有的话,是什么,效果怎么样?
- 要求是batch-learning还是online learning?
- 用哪些指标来衡量模型好坏?指标合理吗?
- 模型的最差结果应该比什么好(eg.现有的、盲猜等)
- 是否有可以迁移学习的模型?(之前碰到过NLP相关的,那doc2vec是否可以利用原先train好的)
- 列一下assumptions? 确认这些assumption是否正确

2. 数据提取:

  • 确定需要什么数据(一般需要一些行业经验做支撑),确认这些数据是否都可以拿到(数据库中是否有这些变量,是否有权限得到这些数据,数据库中的这些变量是否可信)
  • 确认用户敏感数据做了加密处理
  • 确认数据量
  • 确认建模环境
  • 把数据进行一些格式上的整理(例如时间、空间变量的格式转变)

3. 数据探索:

  • 如果数据量很大的话,sample一部分进行数据探索(尤其是画图的时候)
  • Data Exploration的结果最好可以保留,跟建模的码分开放
  • 数据质量检查:
    • 变量类型:numeric/categorical/order/text or other unstructured data...
    • 缺失值:是否有缺失值?缺失值占比多少?导致数据缺失的原因有哪些?
    • 异常值: 是否有明显的outlier(例如违背了行业逻辑的值)
    • 画变量的distribution,看大概像什么分布
  • 如果是有监督学习,确认target variable
  • 对连续变量做相关性分析 ->(新想到的是是否可以用互信息代替相关性分析,因为互信息的话对discrete的变量也能做,只是个人想法)
  • Visualizetion 探究变量和target variable之间的关系
  • 确定需不需要进行transformation

4. 数据准备:

  • 数据清洗:异常值处理、缺失值处理(缺失量小的话可以drop,或者用mean/median代替,离散变量的话也可新建一个类别叫unk
  • Feature Selection:
  • Feature Engineering:
    • 离散化连续变量
    • transformation
    • feature整合
  • Feature Scaling: 标准化/中心化

5. 确定一些待用模型(此步骤不调参):

  • 尝试一些不同的模型,确定每个模型的待调参数有哪些
  • 用CV来评估不同模型的优劣性, 分析每个模型中最重要的变量有哪些?
  • 分析模型为什么会犯错,然后进行模型的调整
  • 根据以上结果再做feature selection 和 feature engineering
  • 循环以上步骤,确定3个比较好的模型

6.确认模型:

  • 用CV对模型进行调参,用randomgridsearch
  • 尝试一些emsemble
  • 确定模型后进行评估

7. Presentation:

最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 151,688评论 1 330
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 64,559评论 1 273
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 101,749评论 0 226
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 42,581评论 0 191
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 50,741评论 3 271
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 39,684评论 1 192
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 31,122评论 2 292
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 29,847评论 0 182
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 33,441评论 0 228
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 29,939评论 2 232
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 31,333评论 1 242
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 27,783评论 2 236
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 32,275评论 3 220
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 25,830评论 0 8
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 26,444评论 0 180
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 34,553评论 2 249
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 34,618评论 2 249

推荐阅读更多精彩内容