机器学习的一般性步骤------以互联网的下单率预测为例

本文主要讲述机器学习在实际应用中的一般性步骤，包括基本技术、经验和技巧。
下面先给出一张机器学习整体的概览图：

从上图可以看出，有两个流程：

• 离线训练流程（蓝色箭头），包含数据筛选和清洗、特征抽取、模型训练和优化模型等环节；
• 应用流程（绿色箭头），对需 要预估的数据，抽取特征，应用离线训练得到的模型进行预估，获得预估值作用在实际产品中

通过以上可以得出机器学习应用的整个步骤如下：

业务问题->技术目标->对问题建模->准备训练数据->数据预处理->特征选择->训练模型->优化模型->模型应用->上线部署

以互联网的下单率预测为例说明上述机器学习的一般性步骤：

业务问题

提高用户的用户体验，帮助用户更快更好地找到自己想买的单子

技术目标

上述目标看起来比较虚，我们需要将其转换成一个技术目标，便于度量和实现。最终确定的技术目标是点击下单率预估，去预测用户点击或者购买团购单的概率。
将预测出来点击或者下单率高的单子排在前面，预测的越准确，用户在排序靠前的单子点击、下单的就越多，省去了用户反复翻页的开销，很快就能找到自己想要的单子