实际问题抽象化(1)-“ 哲学问题”

• 不要为了使用模型而创造问题:机器学习的目标是解决问题
• 确定“最小预测单元”:通过输出推测输入
• 切忌盲目追求通过一个模型预测多个目标，尽量拆分问题
• 从简单模型像复杂模型迭代，站在前人经验的基础.上探索:抛开问题空谈模型没有意义，没有免费的午餐(No Free Lunch)线性模型->非线性->复杂模型(如集成学习) ->神经网络(如深学习)
• 从简单到复杂模型的“进化”，和从半自动模型到自动模型的“升级”都可以理解为迭代过程。升级进化是锦上添花，不是雪中送炭
• 如果有可用的人为规则，可以结合机器学习模型一起使用

实际问题抽象化(2) -确定最优框架

• 从成本、数据、解释度考虑，选择合适的问题解决框架:使用监督学习、半监督学习、无监督学习还是强化学习?如果可以用监督学习解决，优先使用监督学习
• 监督学习的可解释度往往更高监督学习的效果一般更好
• 标签的成本往往很高。标签代表了“先验知识”并给定了模型能力的“下界”

实际问题抽象化(3) -确定最优框架

如果缺乏标签或标签获取成本很高，可以考虑半(无)监督学习

监督学习vs.无监督:精确度Vs.未知性

• 无监督学习可以用于发掘新的思路，如花样翻新的保险欺诈
• 但无监督学习也往往缺乏有效的评估方法，往往需要人为验证
• 为了平衡“准确”与“探索”，也可以同时使用并融合结果

半监督学习:成本与效果的一种妥协

用有限的标签训练模型监督模型，并用于无标签数据再人为修正

强化学习/结构性预测: The future ;

实际问题抽象化(4) -依赖性分析

考虑时间与空间上的依赖性(dependency):

如果不考虑时空依赖性，问题会得到简化，但可能有严重偏差

如果需要考虑时间与空间。上的依赖性，优先从简单的角度入手

实际问题抽象化(5) -从回归到分类

分类问题(classification)指的是预测值是有限个离散值的情况，最常见的是二分类(binary classification)，也就是{0,1}或者{-1,1}。

回归问题(regression)指的是预测值为连续值的情况，这样的取值往往有无数个，常见的有预测价格，可以是19.9, 19.99，或者19.998等。

回归问题总可以被转化为分类问题，分类问题-般比回归问题更简单，因此会有更好的效果，但同时也会损失信息。

实际问题抽象化(6) -从回归到分类

一般来说，以下情况适合进行回归到分类的转化:

• 对预测结果的精度要求比较低。举例，如果只需要知道股票会涨还是跌，那么不需要知道“涨多少”或“跌多少”，由此转化为二分类问题
• 数据限制较大(如数据量比较小)，做回归的结果很差，无奈之举

实际问题抽象化(7) -舍弃和切分数据

数据质量往往不是连贯的。如果一定要使用整个数据段，那么预测效果往往较差。如果需要，可以选择“抛弃”数据质量较差的部分。

部分价值>>毫无价值

将预测范围缩少后，预测效果往往能有大幅度的提高

将数据分割后单独处理，预测效果往往也有提升

实际问题抽象化-总结

开始一个机器学习项目以前，值得几个“小问题”:

• 确定要预测的目标，找到项目痛点，不追求同时预测多个目标
• 确定解决问题的框架，优先使用监督学习，用无监督发掘新思路
• 结合已有的规则，尝试融合机器学习模型和人为规则
• 如果可能，优先尝试分类任务，也可以尝试将回归转为分类
• 从易到难，确定尝试哪些机器学习模型
• 要解决的问题是否对于“时空”存在依赖性，如果可以回避依赖性,可以先试试简单模型
• 如果发现使用全部数据效果不好，可以尝试抛弃部分数据或分段处理