原文：
www.kdnuggets.com/2019/01/end-to-end-guide-machine-learning-project.html
评论
很难找到一篇简洁的文章提供关于如何实施一个机器学习项目的端到端指南。我们在线上找到很多信息丰富的文章，深入覆盖了如何实施机器学习/数据科学项目的各个部分，但有时我们只需要高层次的步骤提供清晰的指导。
当我刚接触机器学习和数据科学时，我常常寻找那些清晰地列出我需要做什么步骤来完成项目的文章。
1. 谷歌网络安全证书 - 快速进入网络安全职业生涯。
2. 谷歌数据分析专业证书 - 提升你的数据分析技能
本文旨在提供一个端到端指南，以实现一个成功的机器学习项目。
简而言之，一个机器学习项目主要包括三个部分：数据理解、数据收集与清理，以及最后的模型实施与调优。通常，数据理解、收集和清理占据 60–70%的时间。为此，我们需要领域专家。
让我们假设你正在尝试进行一个机器学习项目。本文将为你提供逐步指南，帮助你按照流程实施一个成功的项目。
一开始，我们的大脑中会产生很多问题
数据科学是试验与错误，它是研究与递归，它是实践与理论的结合，它需要领域知识，它提升你的战略技能，你会学习统计学并掌握编程技能。但最重要的是，它教会你保持耐心，因为你总是接近找到更好的答案。
两个前提步骤：
1. 确保你理解机器学习及其三个关键领域。点击阅读：
[机器学习 8 分钟
*机器学习是现在和未来。所有的技术专家、数据科学家和金融专家都可以受益…*medium.com](https://medium.com/fintechexplained/introduction-to-machine-learning-4b2d7c57613b)
2. 选择你的目标语言。熟悉 Python。点击阅读：
[从零开始学习 Python
*Python 是数据分析和机器学习中最受欢迎的编程语言之一。此外，还有大量的…*medium.com](https://medium.com/fintechexplained/from-python-installation-to-arima-exchange-rates-forecasting-9467ba03ee0c)
1. 选择合适的机器学习算法。点击阅读：
[机器学习算法比较
*有大量的机器学习（ML）算法可用。在本文中，我将描述和…*medium.com](https://medium.com/fintechexplained/machine-learning-algorithm-comparison-f14ce372b855)
到现在为止，你应该已经明白你尝试解决的是一个监督式还是非监督式问题。
总是有可能找到另一个正确答案。在预测问题中，通常会有多个正确答案。
2. 如果这是一个监督式机器学习问题，请确保你了解它是回归问题还是分类问题。点击阅读：
[监督式机器学习：回归与分类
*在这篇文章中，我将解释回归和分类监督式机器学习之间的关键区别…*medium.com](https://medium.com/fintechexplained/supervised-machine-learning-regression-vs-classification-18b2f97708de)
3. 如果这是一个时间序列回归问题，请在预测之前使时间序列数据平稳。点击阅读：
[如何预测时间序列？
*预测、建模和预测时间序列在许多领域越来越受欢迎。时间序列…*medium.com](https://medium.com/fintechexplained/forecasting-time-series-explained-5cc773b232b6)
4. 提前找出测量算法性能的方法。点击阅读：
[每个数据科学家必须了解的数学度量
*每个数据科学家都需要了解大量的数学度量。本文概述了…*medium.com](https://medium.com/fintechexplained/must-know-mathematical-measures-for-data-scientist-15bfc4f7f39c)
5. 测量你的时间序列回归模型的性能。点击阅读：
[我的预测模型有多好——回归分析
*预测是计量经济学和数据科学中的一个重要概念。它在人工智能中也得到了广泛应用…*medium.com](https://medium.com/fintechexplained/part-3-regression-analysis-bcfe15a12866)
6. 调查是否需要使用 ARIMA 模型。点击阅读：
[理解自回归滑动平均模型——ARIMA
*在我的文章《如何预测时间序列》中，我提供了时间序列分析的概述。文章的核心…*medium.com](https://medium.com/fintechexplained/understanding-auto-regressive-model-arima-4bd463b7a1bb)
7. 如果这是一个无监督机器学习问题，那么了解聚类是如何工作的及其实现。点击阅读：
在本文中，我想解释无监督机器学习中的聚类是如何工作的。特别是，我想要…… medium.com
8. 探索神经网络和深度学习，看看它是否适用于你的问题。点击阅读：
本文旨在提供对神经网络的概述。它概述了神经网络的基本概念。 medium.com
9. 丰富你的特征集，重新缩放、标准化和归一化它们。点击阅读：
有时我们建立一个机器学习模型，用训练数据训练它，然后让它预测未来…… medium.com
数据清理=良好的结果。
10. 减少特征维度空间。点击阅读：
现在我们有大量的数据。大量的数据可以让我们创建一个预测模型，其中…… medium.com
如果在丰富特征和减少维度后，你的模型仍然没有产生准确的结果，那么可以考虑调整模型参数。
11. 精细调整你的机器学习模型参数。点击阅读：
精细调整机器学习预测模型是提高预测结果准确性的关键步骤。在…… medium.com
始终确保你没有过拟合或欠拟合
12. 最后，重复这些步骤直到获得准确结果：
-
丰富特征
-
精细调整模型参数
总是分析你的数据集，查看是否缺少任何重要信息，当发现问题时要解决，但始终记得备份并保存你的工作，因为你可能需要回到之前的步骤。
机器学习本质上是递归的
我希望有一个简单的页面列出实现机器学习模型所需遵循的步骤。本文旨在提供一个从头到尾的成功机器学习项目实施指南。
希望这能帮到你。
简介：Farhad Malik 用简单的术语解释复杂的数学、金融和技术概念。FinTechExplained的编辑。联系方式：[email protected]
原文。已获转载许可。
相关内容：
-
Keras 四步工作流程
-
机器学习过程的框架
-
机器学习项目检查清单