数据收集六步曲, 打好机器学习模型基础( 五 )

2019-01-09

第五步：特征工程

这一步包含了一门艺术与科学，即将原始数据转化为特征，使其能够更好地将模式导入学习算法。举个例子，数据可以被分解为多个部分来抓住更加具体的关系，例如，按星期几来分析销售表现，而不仅是按月或年。在这种情况下，将星期几从日期列表中单独分开（例如“周一；2017.06.19）可能为算法提供相关性更强的信息。

第六步：将数据拆分为训练集和评估集

最后一步是将数据拆分为两个数据集，一个用于算法训练，另一个用于评估。拆分训练集和评估集时，务必选择数据中非重叠的子集以确保测试正确。将原始数据与你所准备的数据输入机器学习算法时，购买提供版本管理和编目功能的工具，并理清两种数据的关系。这样，就可以依据预测结果追溯输入数据，便于日后改善优化你的模型。

促进商业表现-如何用DP实现ML并解决数据问题

推荐阅读

上一篇：选液相色谱仪品牌厂家应该注意什么

下一篇：可编程数据平面与网络测量子系统简介