机器学习开发流程图

一、 数据采集:

要做任何分析，首先需要获取到对应的数据。例如：想要作房价分析，我们就需要大量不同特征的房子信息和所对应的价格信息，如房子的面积、地理位置、朝向、价格等。
说明：
（1）这些数据叫做训练样本或数据集。
（2）房子的面积、地理 位置等称为特征。

在数据采集阶段，需要收集尽量多的特征。特征越全，数据越多，训练出来的模型才会越准确。

二、数据预处理:

原始数据集可能存在的诸多不规范问题：
（1）数据缺失
（2）分布不均衡
（3）存在异常数据
（4）混有无关紧要的数据等
这就需要我们对收集到的数据进行进一步的处理，包括：处理缺失值、处理偏离值、数据规范化、数据的转换等，这样的步骤叫做“数据预处理”。