机器学习基本流程

机器学习的一般流程

• 一、数据收集与标记

  • 二、数据调研

  • • 1、了解数据
    • 2、基础统计信息描述

  • 三、数据前期处理

  • • 1、数据清理

    • • (1)、缺失信息的处理方式
      • (2)、异常数值的处理方式
      • (3)、重复内容的处理方式

    • 2、数据整合

    • 3、数据转换

    • • (1)、简单函数形式的转换
      • (2)、标准化（归一化，标准化）
      • (3)、连续变量离散化处理
      • (4)、属性生成
      • (5)、特征编码（标签编码，独热编码）

    • 4、数据缩减

  • 四、特征选取/构建

  • 五、模型确定

  • 六、模型训练及测试过程

  • 七、模型效果评估与优化调整

  • • 效果评估方法

    • • (1)、保留法(hold-out)
      • (2)、交叉验证方法（cross validation）
      • (3)、“留一”法（leave-one-out，LOO）
      • (4)、“自助”法（bootstrapping）

一、数据采集与标注

二、数据探索与分析

1、数据