机器学习任务的一般步骤

机器学习任务的一般步骤

一、确定特征：（收集训练数据）

1 > 数据探索：（为什么要进行数据探索呢：有助于选择 合适的 数据预处理方法 和 建模方法）

    （1）数据质量分析
          -- 缺失值
          -- 异常值
    （2）特征分布特性的分析
          -- 统计量
          -- 直方图
    （3）特征之间相关性分析


2 > 数据预处理：
    （1）数据取值范围的缩放
          -- 数据标准化（Standardization）
          -- 数据缩放 (Scaling)
          -- 数据正规划/归一化 (Normalization)
    （2）特征编码 
          -- 二值化 (Binarizer)
          -- 多项式编码 (PolynomialFeatures)
          -- 标签编码 (LabelEncoder)
          -- 独热编码 (OneHotEncoder)
          -- 数值特征离散化 ()

3 > 特征选择：

二、确定模型：（暂定确切的模型）

三、模型训练：（根据样本数据计算模型参数）

四、模型评估： （根据测试数据，评估模型的预测性能）

note：深度学习可学习 feature

===========&