一、機器學習建模流程：

1. 獲取數據（搜集與完成機器學習任務相關的數據集）
2. 數據基本處理（數據 缺失值處理，異常值處理）
3. 特征工程（特征提取、特征預處理 、特征降維、特征選擇 、特征組合）
4. 機器學習 （模型訓練）選擇合適的算法對模型進行訓練（有監督學習,無監督學習,半監督學習,強化學習）
5. 模型評估（回歸評測指標 、線性評測指標 、聚類評估指標）評估效果好上線服務,評估效果不好則重復上述步驟

二、特征工程

特征：對任務有用的信息

特征工程：利用背景知識和專業技巧處理數據，讓模型效果更好

• 特征提取 —— 專家面向原始數據的提取
• 特征預處理 —— 歸一化和標準化 解決量綱問題
• 特征降維 —— 維度退化：3個特征 變成兩個
• 特征選擇（很少做，不然說明特征提取有問題）—— 從特征提取中選擇出一些重要特征訓練模型
• 特征組合 —— 把多個特征合并組合成一個特征