1.4　机器学习基本流程

狭义的机器学习往往强调模型的训练，但实际上机器学习是一个系统工程，是一个从数据到模型，再从模型到应用的全过程。图1-4所示的是一个经典的机器学习工作流。数据科学家首先需要对业务问题进行定义，然后采集相关的数据，从数据和业务背景两点出发来对数据进行预处理。在预处理的过程中，我们需要对不合格的数据进行剔除或修复（数据清洗），同时可以根据业务需要构造新的特征或者剔除无用特征（特征工程）。在预处理之后，我们会得到结构化的数据集，在这个基础上我们可以进行模型的训练。通常我们会把数据划分为训练集和验证集，在训练集中进行模型的训练，然后在验证集中进行验证。这个过程往往会尝试多个不同的算法，同时对于特定的算法会不断进行参数的调整，经过反复的迭代得到最优模型。最后，获得的最优模型会放在实际的场景中进行验证，然后再部署到一线业务中。在本书后面的内容中，我们将会对这个基本流程进行更为深入的介绍，通过实际的应用案例进行演示，并附上相关的R语言实现代码。