|
在本文中，我列出来的几个步骤，可以帮助大家完成机器学习项目，并检查每个任务是否已成功执行。
正如阿图尔·加万德在他的书《清单宣言》中所说，
我们所知东西的数量和复杂性已经超过了我们个人正确、安全或可靠地提供其收益的能力。
下面这份简洁明了的项目行动任务清单将减少你的工作量，提高你的产出。
每个ML项目中，我们都要执行8-10个步骤。其中有一些步骤可以按顺序交替执行。
1、从高层次的角度定义问题
这是为了理解和阐明问题的业务逻辑。它应该告诉你：
-
问题的性质（有监督/无监督、分类/回归）
-
可开发的解决方案类型
-
应该使用什么指标来衡量绩效？
-
机器学习是解决这个问题的正确方法吗？
-
手动解决问题的方法
-
问题的内在假设
2、识别数据源并获取数据
在这一步中，我们可以先用这个步骤来定义问题。
根据问题的定义，我们需要确定数据的来源，可以是数据库、数据存储库、审查程序等。对于要在生产中部署的应用程序，应通过开发数据管道来自动执行此步骤，以保持传入数据流入系统。
-
列出所需数据的来源和数量。
-
检查空间是否会成为一个问题。
-
检查你是否有权将数据用于个人目的。
-
获取数据并将其转换为可操作的格式。
-
检查数据类型（文本、分类、数字、时间序列、图像）
-
取一个样品做最后的测试。
于创建机器学习项目，大部分人的印象都是数据、建模、测试等，但是具体的事项，以及要经过哪些步骤，估计99%的人都不知道，今天的内容就跟大家说说机器学习项目里，一定要做的几件事。
为了让我们的工作能够更顺利地进行下去，工作计划、工作进程、任务清单等都是我们的辅助工具，如果没有这些，我们的工作将难以推进。机器学习也是如此，任何一个机器学习项目，都离不开任务清单，让每个人都知道该做什么事，什么时候完成，我们需要处理项目中的许多事情（例如准备工作、可能出现的问题、模型创建、模型微调等等）。
（编辑：阿坝站长网）
【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!
|
