機器學習（概述二）——開發流程

數據收集與存儲 數據清洗與轉換 類型特徵轉換之1-of-k 文本數據抽取 模型構建 模型訓練與測試 模型部署與整合 模型的監控與反饋 在具體的機器學習算法以前，先來從宏觀上介紹一下機器學習的開發流程，這樣能對機器學習有個總體認識。 總的來講，分爲數據收集、數據處理、模型構建、模型測試評估、投入使用（模型部署與整合）、迭代優化等。對於數據處理部分也叫特徵工程，有的時候會分紅數據清洗和特徵工程。 其實

>>阅读原文<<