机器学习任务的一般步骤

1. 确定特征

            选取合适的数据和特征可能是最重要的步骤，也包括数据的预处理或清洗，通常可以称之为特征工程。

2. 确定模型

            确定目标函数及决策边界的形状。

            可选择多个模型进行比较。

3. 模型训练

            根据训练数据估计模型参数。

4. 模型评估

           这里要区分两个概念：

           模型选择：估计不同模型的性能，选出最好的模型。（通常在校验集上进行）

           模型评估：已经选定最终的模型，估计它在新数据上（通常是测试机）的预测误差。

           训练了多个模型或者需要对模型进行超参数的调优时候，需要进行模型的选择和评估。

5. 模型的应用/预测

            模型的导出/性能优化