机器学习项目中重要问题

1.数据预处理：特征选择->降维:剔除对预测结果影响小的因素       升维（值离散化，特征组合）->提高特征复杂度，增强模型拟合能力（复杂模型：简单特征   简单模型：复杂特征）

           样本选择->剔除离群点

2.模型选择：根据特征的特点选择合适的模型（多线性特征，选择非线性模型；多非线性特征，选择线性模型；）根据计算能力选择模型（计算能力有限：选择LR等较简单的线性模型）

3.参数调整：根据学习曲线调整参数

4.模型融合：不同模型之间的融合，同种模型不同数据之间的融合（模型多样性数据多样性）