机器学习入门-问题处理流程

          首先我们会得到相应背景下的问题，还有一些历史数据，接下来要思考的就是怎样利用数据学习算法解决问题？

          目前了解到的问题解决过程，首先是数据探索，只有充分了解数据才能开展接下来的工作；结合业务背景和对数据的了解，我们需要对数据进行一些预处理；我们需要根据问题和我们设定的解决办法进行数据集的分割，得到训练数据和测试数据；利用数据学习算法我们可以得到问题的可能答案。

          那么如果采用机器学习来解决问题，它的一般过程为：提出问题并收集数据，理解问题和分析数据得到提取特征方案，使用机器学习建模并得到预测模型。在机器学习中特征是重要的一环，特征是机器学习系统的原材料，对最终模型的影响是毋庸置疑的。特征的工作可以分为两步：特征设计，提取，优化；特征选择。在后面会针对特征选择加强学习。模型部分有可分为模型选择和模型融合。我们选用什么模型，模型的衡量标准，怎样得到最优模型，模型融合是否会有提升效果，都是我们要考虑的问题。