机器学习开发项目流程

机器学习不只是模型！

传统的软件开发流程大致如下：

相比较于机器学习的对学科性质，传统的软件开发流程并不能解决机器学习开发过程中的问题。

1. 机器学习开发流程

本篇基于前文 机器学习项目周期进行进一步拓展。

1.1 数据

一切从数据开始。

对于要实现的项目目标，我们是否能获取到有效数据来支持项目开发？

数据的质量比模型本身更重要，高质量的数据是机器学习开发的关键。
一些可扩展的数据储存方案，包括 Azure Blob、Amazon S3、DynamoDB、Cassandra 和 Hadoop。

但通常我们很难找到符合要求的数据，这种情况下，可以通过第三方服务获取数据，并建立自己的数据管理通道。

当我们拥有有效的数据，就可以对数据进一步进行矢量化和特征化处理，以用作模型训练。

1.2 模型选择

面对业务问题时，选择要使用的模型类型通常是一个艰巨的任务。

开发人员倾向于根据现有文献和以往经验做出第一选择。

一些通用的模型选择法则可以帮助开发人员做出选择。

例如，

<