中年机器学习项目必备：端到端机器学习项目开发过程的任务表( 二 )
· 使用默认参数 ， 训练一些常用的机器学习模型 ， 如朴素贝叶斯、线性回归、支持向量机(SVM)等 。
· 利用基线和其他模型 ， 测量并比较每个模型的性能 。
· 每个模型部署N折交叉验证(N-fold cross-validation) ， 并计算N个折叠上性能指标的平均值和标准差 。
· 研究对目标影响最大的特征 。
· 分析模型在预测时出错的类型 。
· 以不同的方式设计特征 。
· 多次重复上述步骤（反复试验） ， 确保以正确的格式使用正确的特征 。
· 基于性能衡量标准列出最佳模型 。
6.微调入围模型 ， 检查集成方法
这是关键步骤之一 ， 在此步骤中将更接近最终解决方案 。 主要步骤应包括：
· 使用交叉验证进行超参数调整 。
· 使用自动调整方法 ， 如随机搜索或网格搜索 ， 为最佳模型找到最佳配置 。
· 测试集成方法 ， 如投票分类器等 。
· 用尽可能多的数据测试模型 。
· 完成后 ， 使用一开始抛之一侧的测试样本 ， 来检查是否过拟合或欠拟合 。
7.记录代码并传达解决方案
沟通的过程是多方面的 ， 请时刻牢记所有现有的和潜在的利益相关者 。 主要步骤包括：
· 记录代码以及整个项目的完成方法和过程 。
· 创建一个简明的仪板或一个具有深刻见解的演示文稿 ， 其应具有接近自我解释的可视化效果 。
· 撰写博客/报告 ， 记录如何分析特征、测试不同的转换等 ， 记录学习成果（失败和有效的技巧） 。
· 总结主要成果和未来蓝图（如有） 。
8.在生产中部署模型和监视器
如果项目需要在实时数据上测试部署 ， 应该创建一个web应用程序或REST API ， 以便在所有平台（web、android、iOS）上使用 。 主要步骤（因项目而异）包括：
· 将最终训练的模型保存到h5或pickle文件中 。
· 使用web服务为模型服务 ， 可以使用Flask开发这些web服务 。
· 连接输入数据源并设置ETL管道 。
· 使用pipenv、docker/Kubernetes（基于扩展需求）管理依赖关系 。
· 可以使用AWS、Azure或Google云平台来部署服务 。
· 监控实时数据的性能 ， 或让人们将你的模型与他们的数据一起使用 。
本文插图
图源：unsplash
不要照本宣科 ， 你的检查表可以根据项目的复杂性进行调整 。 以此为基础 ， 一个完美的机器学习项目正向你招手 。
留言点赞关注
我们一起分享AI学习与发展的干货
如转载 ， 请后台留言 ， 遵守转载规范
声明：转载此文是出于传递更多信息之目的 。 若有来源标注错误或侵犯了您的合法权益 ， 请作者持权属证明与本网联系 ， 我们将及时更正、删除 ， 谢谢 。邮箱地址：newmedia@xxcb.cn
【中年机器学习项目必备：端到端机器学习项目开发过程的任务表】
推荐阅读
- 中年美国寸土寸金，为何要在纽约建立林则徐广场？原因很简单
- 中年北斗系统发言人答封面新闻：北斗定位精度最好可达1点几米
- 中年检测设备行业政策及环境
- 中年元春回府省亲为何会在夜晚进行？原来其中大有文章
- 中年北斗三号全球服务可用性达99%以上，全球范围定位精度优于10米
- 小i机器人|小i机器人对苹果提起侵权诉讼索赔人民币100亿元
- 仰卧撑运动园|中国足球却难学习曲线留洋，日本球员“组团”前往比利时“练级”
- 天气早知道|操纵“魔杖”、和AI机器人互动……科技课原来可以这么好玩
- 黄子韬和机器人吵起来了|【铁憨憨的日常】黄子韬和机器人吵起来了 幼稚鬼韬三岁无疑了
- 小i机器人对苹果提起诉讼并索赔100亿人民币