机器学习研究方法系列（1）：5步系统处理你的问题

机器学习研究方法系列（1）：5步系统处理你的问题

---

---

前言

文章转载并翻译自: Applied Machine Learning Process

---

一、五步处理过程

1、定义你的问题
2、准备数据
3、定义关键的算法
4、提升你的结果
5、展现你的结果

二、详细解释

1.定义你的问题

1）问题是什么？
正式或非正式地描述你的问题，列出你的假设和相似的问题
2）为什么这个问题需要被解决？
列出你解决这个问题的动机，解决方法提供的好处，所解决的方法将会被如何使用
3）我将会如何解决这个问题？
手动描述如何应用领域知识解决这个问题
（在精读论文的时候也应该从这几个维度去对文章进行审视）
更详细的定义问题: How to define your machine learning problem

2.读入数据

1）数据选择
考虑什么数据是可用的，缺失了什么数据，什么数据可以被移除
2）数据预处理
通过清除、格式化和采样对你所选取的数据进行组织
3）数据转换
通过剪裁，分解和属性聚合来将预处理的数据转换成机器学习适合的数据
更详细的处理数据: How to prepare data for machine learning

3. 定义关键的算法

4. 提升你的结果

1）算法调整
2）联合多个方法
使用多个模型联合做出的预测
3）极端特征工程
在数据准备中的分解和属性聚合推动了它的极限
更详细的提升结果方法: How to improve machine learning results

5. 展现你的结果

展现结果需要以下的几个要素

1. 语境（why）
   定义问题所处的环境，定义寻求问题答案的动力所在
2. 问题（questions)
   精确地描述你所提出和回答的问题
3. 解决方法(answer)
   精确地描述你的方法，把它作为你所提出的问题的答案
4. 发现
   列出在研究时的发现，这些发现有可能在数据中，方法为什么可行或为什么不可行，模型的表现
5. 限制
   考虑模型无法工作成功的原因，或是模型没有成功解决的问题。不要为这些问题而羞愧，
6. 总结（why+question+answer)
   回顾你的"why"，方法和答案
   更详细的利用你的实验数据的方法: How to use machine learning results

---