Machine Learning Model：建立机器学习模型的四个概念

我喜欢写作的原因之一，是它让我有机会回顾过去，反思我的经历，并思考哪些行得通，哪些行不通。

在过去的 3 个月里，我收到的任务是构建一个机器学习模型，用来预测产品是否应该进行 RMA 处理。这是我开发的第一个“正式”的机器学习模型——我用引号说“正式”，因为这是我第一个创造实际商业价值的模型。

鉴于这是我的第一个“正式”模型，我非常天真的误以为，构建模型的过程将会是这样：

然而，实际上，构建模型的过程更像这样：

总的来说，这个模型是成功的，但构建模型的过程非常坎坷，因为我花了很多时间学习我不了解的概念。在本文中，我想回顾并记录我想在构建模型之前能了解的内容。如果你想了解更多数据分析相关内容，可以阅读以下这些文章：
Machine Learning知识点：机器学习里的聚类分析技巧
三个月如何搞定机器学习的数学原理？
研究了2000+笔记本，我们总结了最适合机器学习、数据科学和深度学习的电脑
评估机器学习算法的指标

在构建你的模型前，你需要了解以下4个概念：

1. 用简单的网页用户界面部署模型

我最近经常使用一个Python包-Gradio，只需三行代码就能为机器学习构建并部署网页应用程序。它的用法和Streamlit或Flask一样，但是我发现，Gradio在部署模型方面更快也更易上手。

为什么Gradio更好用？有以下几个原因：

• 1. 可以进行进一步的模型验证。具体来说，你可以用Gradio交互测试模型中的不同的输入。你还可以获得来自不同人群的反馈，包括其他利益相关者、领域专家，尤其是非编程人员。
• 2. 可以很好地进行演示。就我个人而言，我发现向某些利益相关者展示 Jupyter Notebook 对我的模型没有任何加分，尽管模型效果非常好。但使用这样的library可以更易于交流，更好地推销自己。
• 3. 易于实施和推广。重申一下，这是一个很小学习曲线，因为它只需要 3 行代码。同时，它还非常容易推广，因为大家都可以通过公共链接访问这个 Web 应用程序。

结论：利用像 Gradio 这种 ML 模型，能进行更好的测试和交流。

2.特征的重要性

特征重要性是指一组技术，它根据输入变量对目标变量预估的准确度，为输入变量打分。分数越高，特征在模型中越重要。

例如，如果我想使用上图中的特征来预估汽车的价格，通过特征重要性分析，我可以确定模型年份、汽车是否为前轮驱动、以及行驶里程数（里程表）在预测汽车价格时是最重要的因素。

非常棒，对吧。我相信你已经逐渐明白Gradio为什么这么好用了。

在特征选择方面，特征重要性非常有用。通过对初步模型进行特征重要性分析，你可以轻松确定哪些特征在模型中更重要，哪些不那么重要。

更重要的是，特征重要性简化了模型说明，以及成果演示这两个过程，因为它会直接显示哪些特征最能说明目标变量。

结论：利用特征重要性来优化特征选择、模型说明及演示交流。

3. 超参数调优

机器学习的本质是找到最适合数据集的模型参数，而这是通过训练模型来实现的。

另一方面，超参数不能直接从模型训练过程中学习到。这些是模型中更高级的概念，在训练模型之前通常是固定的。

超参数的例子有：

• 学习率
• 一棵树的叶子数或最大深度
• 神经网络中隐藏层的数量

超参数虽然不是由数据本身决定的，但设置正确的超参数可以将机器学习模型的准确率从 80% 提高到 95% 以上。我在实际操作中就是这样。

我认为，可以通过使用一些技术，自动优化模型的超参数，这样就不必测试一堆不同的数据了。

两种最常用的技术，是网格搜索和随机搜索。

结论：使用网格搜索和随机搜索等技术可以优化模型的超参数，大幅提高模型性能。

4. 模型评估指标

这可能是在线课程、训练营或在线资源中，最容易被忽视的领域之一。 然而，它可以说是数据科学中最重要的概念之一。

如果你想要了解机器学习模型评估的指标，那么你需要深入了解待解决的业务问题。

如上图所示，最初几周我没有取得太大进展，因为我没有清楚地了解业务问题，因此，我不知道我应该通过哪个指标优化我的模型。

因此，我们可以将这个问题分解为两个步骤：

• 1. 了解业务问题的需求

了解业务要解决的问题是什么、问题的参数是什么、可用的数据有哪些、利益相关者有哪些，以及模型将如何集成到业务流程/产品中。

• 2. 选择正确的指标来评估模型

在我的项目中，我们对比了将指标分为假阳性和假阴性的结果。我们的最终决策主要取决于该模型将如何集成到业务流程中。

结论：了解业务问题。深入了解所有相关指标，并了解选择每个指标的结果。

如果有不太清楚的概念，我强烈建议你花一些时间掌握它们。总的来说，这四个概念使我：

• 将模型的准确度从85%左右提高至95%左右。
• 使模型说明和成果演示变得更简单，尤其是对那些不那么精通技术的人。
• 从利益相关者那里获得更多反馈。

谢谢阅读！你还可以订阅我们的YouTube频道，观看大量数据科学相关公开课：https://www.youtube.com/channel/UCa8NLpvi70mHVsW4J_x9OeQ；在LinkedIn上关注我们，扩展你的人际网络！https://www.linkedin.com/company/dataapplab/

原文作者：Terence Shin
翻译作者：Lia
美工编辑：过儿
校对审稿：Jiawei Tong
原文链接：https://towardsdatascience.com/4-machine-learning-concepts-i-wish-i-knew-when-i-built-my-first-model-3b8ca9506451