版权声明：本文为博主原创文章，转载请标明出处，蟹蟹 https://blog.csdn.net/fly_wt/article/details/85445156
熟悉任务和数据
- 我想要回答的问题是什么？
- 已经收集到的数据能够回答这个问题吗？
- 要将我的问题表示成机器学习问题，用哪种方法最好？
- 我收集的数据是否足够表达我想要解决的问题？
- 我提取了数据的哪些特征？这些特征能否实现正确的预测？
- 如何衡量应用是否成功？
- 机器学习解决方案与我的研究或商业产品中的其他部分是如何相互影响的？
从更大的层面来看，机器学习算法和方法只是解决特定问题的过程中的一部分，一定要始 终牢记整个项目的大局。许多人浪费大量时间构建复杂的机器学习解决方案，最终却发现 没有解决正确的问题。
当深入研究机器学习的技术细节时，很容易忽视最终目标。记住自己在开始构建机器学习模型时做出的假设，无论是明确的还是隐含的假设。