官方论文没出，大神们就在复现了

获取数据

获取数据是机器学习的第一步，例如使用公开的数据源、爬虫获取数据源、日志中获取数据、商业数据等。

数据处理

得到数据后并不一定符合使用需求，所以需要进行数据清洗、数据填充、数据格式转换，达到减小训练的数据量，加快算法的训练时间的目的。

特征工程

特征工程是使用专业背景知识和技巧处理数据，使得特征能在机器学习算法上发挥更好的作用的过程,直接影响机器学习的效果，主要包含特征提取、特征预处理、特征降维。

算法训练

将处理之后的数据输入到合适的算法进行训练。

模型评估

使用测试集来评估模型的性能.模型性能指标有很多，比如在分类模型中常用的有错误率，精准率，召回率，F1指标，ROC等。

应用

将机器学习算法转换为应用程序执行实际任务，从而检验该算法是否可以在实际工作中正常使用。

二、特征工程

业界流传着一句话 “数据决定了机器学习的上限，而算法只是尽可能逼近这个上限”，这里的数据指的就是经过特征工程处理后的数据。特征工程是使用专业背景知识和技巧处理数据，使得特征能在机器学习算法上发挥更好的作用的过程，可见特征工程在机器学习中的重要地位。对于特征工程主要分为三步：特征抽取、特征预处理、特征降维。

注：特征工程是一个很深的学科，此处不展开阐述。

2.1 特征提取

特征提取指的就是将任意数据(如文本或图像)转换为可用于机器学习的数字特征，常用的主要包含：字典特征提取、文本特征提取、图像特征提取。

2.2 特征预处理

通过特征提取，能得到未经处理的特征,该特征具有以下问题：

量纲不同：特征可能具有量纲，导致其特征的规格不一样，容易影响(支配)目标结果，使得一些算法无法学习到其它的特征，需要进行无量纲化处理。

信息冗余：对于某些定量特征，其包含的有效信息为区间划分，需要进行二值化处理。

定性特征不能直接使用：某些机器学习算法和模型只接受定量特征的输入，则需要将定性特征转换为定量特征，可通过哑编码实现。

2.2.1 无量纲化

无量纲化使不同规格的数据转换到同一规则，常用方法有归一化和标准化

1.归一化

• 定义

对原始数据进行线性变换，使得结果映射到[0,1]之间。

（编辑：淮南站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!