机器学习建模步骤

1. 需求分析：

目标：需要做到什么，才能满足客户的需求。
过程：来回、反复、沟通确认。

2. 数据探索：

确定目标变量：y
初步分析特征变量：X
分析 y 的分布：正态性分布、对数转换等。
分析 X 的相关性：
分析 y 与 X 呈什么关系：线性、非线性等。
对 X 进行分析，当 X 呈正太分布时（高斯分布），即均值为 0 方差为 1 的一组数据，数据归一化可采用 from sklearn.preprocessing import StandardScaler ；
当 X 呈非高斯分布时可以采用 from sklearn.preprocessing import MinMaxScaler() 处理；具体可参考：
https://blog.csdn.net/FrankieHello/article/details/79659111

3. 特征工程：

特征提取（特征较多时，提取主要特征）
特征扩充（特征较少时，增加特征）
特征处理：归一化、标准化、差分处理、特征变换等。
目标变量处理：取对数、使其正太化转换等。

4. 模型选择：

划分训练集和测试集（5:1）
交叉验证分时序数据和非时序数据
通过交叉验证选取算法
通过交叉验证选取最优参数

5. 模型优化：

特征工程（重要）
模型融合
通过交叉验证选取最优参数	
保存模型

6. 打包 inference ：

封装成 API (用 jemeter 测试性能，并发量)。
封装成 APP 用消息队列 RabbitMQ 作为数据通信工具。
数据预处理
加载模型
模型推理
保存推理结果