机器学习和深度学习的工作步骤模板

机器学习和深度学习的工作步骤模板

1. 定义问题并装载数据集（Defining the problem and assembling a dataset）

首先，你必须定义你手头的问题：

输入数据是什么？你希望预测什么？只有在能够获得训练数据的情况下你才能进行预测：举个例子，如果你同时又电影的影评和对应的情感注释，你只能从中学习分类电影影评的情绪。因此，数据可用性是这个阶段的限制因素（除非你有办法雇人帮你收集数据）

你面临什么类型的问题？它是二元分类吗？还是多类分类？标量回归？向量回归？多类多标签分类？或者其他的类型，例如聚类，生成问题或者增强学习？识别问题的类型能够指导你选择模型的构架，损失函数等等

直到你知道你的输入和输出是什么，以及你将使用哪些数据，你才能进入下一个阶段。注意你在这个阶段所做的假设：

你假设你可以根据给定的输入预测输出

你假设你的可用数据有足够的信息用于学习输入与输出之间的关系

当然，这仅仅只是假设，直到你有一个确切的模型，这些假设才能被验证或者被否定。并非所有问题都能解决。只是因为你仅仅收集了一些输入X和目标Y，这并不意味着X包含足够的信息去预测Y。举个例子，如果你试图通过股票的历史价格去预测股票的价格，那么你不可能成果，因为股票的历史价格不包含太多的预测信息。

非平稳问题是一种不可解决的问题，你应该注意此类问题。假设你正在尝试建立一个衣服的推荐引擎，你在某一个月的数据上进行训练（比如说，8月），你希望能够在冬天的开始的时候推送你的推荐。这里有一个很大的问题：人们购买的衣服类型会根据季节的变化而变化。衣服的购买在几个月的时间跨度中是一种非平衡现象。在这种情况下，正确的做法是不断地对过去的数据训练新的模型，或者在问题处于静止的时间范围内收集数据。对于想购买衣服这样的周期性问题，几年内的数据足以捕捉到季节的变化，但是记住要让一年中的时间成为你模型的输入。

请记住，机器学习只能记住训练数据中存在的模式。你只能认识你已经看到过的东西。利