机器学习项目到处都是坑？你需要谷歌的工程实践“葵花宝典”

原作 Martin Zinkevich Root 假装发自第二个宇宙中心 量子位 出品 | 公众号 QbitAI

泡在机器学习研(ju)究(keng)里的你，可能遇到过以下问题：

• 这个问题能不能用机器学习方法解决?
• 特征的选取标准怎么定？哪些特征要保留？哪些特征该弃用？
• 模型在训练时表现还不错，为什么到了应用环境就挂了？

今天，谷歌开发者推特账号终于上线了《机器学习规则（Rules of Mahchine Learning）》的中文版（撒花.gif）。

这本“葵花宝典”可是汇聚了谷歌大脑高级科学家Martin Zinkevich开发Yoututbe、Google Play、Google Plus等谷歌重磅级产品后的血泪，总共包含43条规则，全文干货满满。

总的来讲，这篇总结的结构大概是这样：

第一部分帮助大家了解，构建机器学习系统之前要明确可实现的目标如何设计；

第二部分介绍了机器学习工程的第一个的阶段：如何部署第一个管道。保证易用的同时，还要单独进行测试，选择一个可观察可归因的简单指标；

第三部分谈到了新特征的添加发布、迭代、如何评估模型，以及如何应对训练-应用偏差；

最后一部分介绍了当大家达到稳定阶段时该怎么做。

文章特别特别强调了做机器学习的工程项目的一个核心理念：

要打造优质的产品，就请把自己看成是一位出色的工程师，而不是一位机器学习专家。

以后再遇到什么问题，回来翻翻这本机器学习工程实践就好。相信你到时会有打通六脉的感觉。

附上《机器学习规则（Rules of Mahchine Learning）》中文版原文：

https://developers.google.com/machine-learning/rules-of-ml/#before_machine_learning

p.s.友情提示：全文一万六千多字，建议先收藏，找个月黑风高没人打扰的夜晚，到PC端上慢慢研读：）