在机器学习实践遇到的坑

特征选择

1. 看模型系数显著性。通过F检验给出各个特征的Ｆ值和Ｐ值，选出F值大、P值小的变量。

2. 递归特征消除（ＲＦＥ）：反复构建模型，根据变量系数选择最好特征，然后再递归在剩余变量上重复该过程，直到遍历所有特征。特征被挑选出顺序就是特征重要性排序顺序。

3. 稳定性选择:在不同特征子集、数据子集上运行算法，不断重复，最终汇总特征选择结果。统计，各个特征被认为是重要性特征的频率作为其重要性得分(被选为重要特征次数除以它所在子集被测试次数)。

模型评估

1. 包括线下和线上模型评估

2. 工程化时要考虑容错性

后续模型优化

1. 想到再补充