?

1. 規范的文件命名

核心原則：

清晰明確：文件名應準確描述內容（如data_preprocessing.py）

風格統一：

推薦小寫+下劃線（Python慣例，如model_training.py）

或使用駝峰式（如DataVisualization.java）

避免特殊字符

?

2. 規范的文件夾管理

標準結構示例：

project_root/

│── data/? ? ? ? ? ? ? ? # 數據文件

│ ? ├── raw/ ? ? ? ? ? ? # 原始數據（不可修改）

│ ? ├── processed/ ? ? ? # 處理后的數據

│ ? └── external/? ? ? ? # 第三方數據

│── docs/? ? ? ? ? ? ? ? # 文檔

│── src/ ? ? ? ? ? ? ? ? # 源代碼

│ ? ├── utils/ ? ? ? ? ? # 通用工具

│ ? └── modeling/? ? ? ? # 模型代碼

│── notebooks/ ? ? ? ? ? # Jupyter筆記本

│── tests/ ? ? ? ? ? ? ? # 單元測試

│── configs/ ? ? ? ? ? ? # 配置文件

│── outputs/ ? ? ? ? ? ? # 輸出結果（模型/日志）

└── README.md? ? ? ? ? ? # 項目說明

?

3. 機器學習項目的拆分

典型工作流模塊：

數據層：

采集 (data_collection.py)

清洗 (data_cleaning.py)

特征工程 (feature_engineering.py)

模型層：

訓練 (train.py)

評估 (evaluation.py)

預測服務 (predict.py)

支持模塊：

配置管理 (config.py)

日志工具 (logger.py)

異常處理 (exceptions.py)

拆分解耦技巧：

使用pipeline組織工作流

通過__init__.py控制模塊暴露接口

依賴抽象（如定義BaseModel接口）

?

?

?

4. 編碼格式和類型注解

Python規范：

PEP8標準：

行長≤79字符

函數間空2行，類方法空1行

import分組（標準庫/第三方/本地）

?

?

?