【机器学习知识体系】- 机器学习问题的一般流程

今天开始会陆续将之前的文章做一下梳理，整理出一个完整的知识体系，有需要的伙伴们可以更方便地查找自己需要的知识点。

这里提到的三篇文章比较全地展示了机器学习问题的一般流程：

1. 一个框架解决几乎所有机器学习问题

这篇文章介绍了应用算法解决 Kaggle 问题，一般有以下几个步骤，

以及每个步骤的简要定义和常用方法：

第一步：识别问题 第二步：分离数据 第三步：构造提取特征 第四步：组合数据 第五步：分解 第六步：选择特征 第七步：选择算法进行训练

这篇文章中的关键知识点：

• 为什么需要将数据分成 train/valid/test 部分？
• 每种模型需要调节什么参数？
• 179种分类模型在UCI所有的121个数据上的性能比较
• 训练集 & 测试集应用模型的流程有什么区别？

2. 通过一个kaggle实例学习解决机器学习问题

这篇文章用一个实例来将上一篇的流程应用了一下：

Data Exploration Data Cleaning Feature Engineering Model Building Ensemble Learning Predict

以及建立 训练 并用模型预测的过程：

从 sklearn 导入分类器模型后，定义一个 KNN， 定义合适的参数集 parameters， 然后用 get_model 去训练 KNN 模型， 接下来用训练好的模型去预测测试集的数据，并得到 accuracy_score， 然后画出 learning_curve。

这篇文章中的关键知识点：

• 分类问题的常用数据探索方法
• 缺失值如何处理？
• 如何通过原始变量构造新的特征？

3. 从 0 到 1 走进 Kaggle

这篇文章介绍了 Kaggle 比赛的一般流程：

探索数据 特征工程 建立模型 调参 预测提交

文章中的关键知识点：

• 如何探索数据？
• 如何构造特征？