如何做好机器学习——个人感悟

最近一直在研究机器学习的相关内容，也在kaggle上看了不少前辈的解答思路。作为一个刚入门的小生来说，进步的空间还很大。但是我觉得有必要把我自己对机器学习的看法和认识记录一下，不论对错。

机器学习实际上就是一门与数据打交道的学科，数据在里面体现了非常重要的角色。如果要我一句话说明什么是机器学习的话，我觉得是“通过一直的数据和结论，训练一种模型出来，并根据新的数据来预测结论”。那么，如何做好机器学习呢？从工程的角度上讲，个人觉得回答好了以下几个问题，应该就可以把机器学习“实践”得比较好。

1、  如何做好特征工程？

2、  如何做好数据预处理？

3、  如何根据数据特征选择最优的算法模型？

4、  如何调节参数？

5、  如何最好测试？

当然，要做好这些，必须要“理论”+“经验”。在最近的一段时间，我也会重点从这几个方面寻找答案，把自己看到的、想到的拿出来和大家分享。