AI系統構建流程1
要構建一個AI系統或產品，你要處理好5個核心環節，我們通常稱之爲“機器學習工作流”。
這些步驟分別是：
- 數據收集與分析
- 數據準備
- 模型構建
- 模型驗證與測試
- 模型部署
1.分析你的數據，提前回答一些策略性的問題
以下是一些常用方法：
- 檢查異常值；
- 尋找數值關係和點相關性；
- 評估缺失值的數量。
2. 數據準備
如果原始數據存在干擾，不能用來訓練學習算法。這時，你就需要進行數據清理和數據準備，常用方法包括：
- 合併表格；
- 提取新特徵；
- 處理上步中確定的缺失值和異常值等；
- 清潔數據，並根據情況進行標準化。
3. 模型構建
這是最快完成的一部分，你可以多嘗試一些算法，誰也不知道哪個算法的效果最好。大多數機器學習模型只需要幾行代碼就能實現。你可以：
- 根據當前的數據特性來選擇一系列算法；
- 嘗試不同超參數的效果或是運行自動參數調優。
4. 模型驗證與測試
這包括兩部分：
- 首先，你顯然需要驗證當前模型的輸出是否滿足實際要求。該如何驗證模型取決於當前使用的機器學習方法，是有監督、無監督還是強化學習。在這個過程中，你要平衡好靈敏度和特異度，精確度和召回率，或是某種聚類有效性等指標間的關係。
- 其次，現有的統計數據不足以驗證這個模型是否滿足要求，你就要去驗證下用戶輸出，比如說用你自己做個實驗，看看你作爲用戶裏能否靠產品的輸出來進行操作，會不會想進行操作？