機器學習現在在很多地方都是十分流行，無論現在的你是否從事建模工作，還是你將來想從事相關工作，對於從業者可以從中看出一些同感與意見，對於未來從業者可以了解這個職業到底是做些什麼。
話不多說，乙個機器學習模型的開發周期一般可以分為：
1、業務需求挖掘（business insight）
2、資料蒐集處理（data curation）
3、模型訓練開發（modeling）
4、部署及測試上線（deployment）
5、模型閉環監控及繼續優化（feedback & improvement）
本文也是按照這個結構來進行展開總結與思考。
當我們接到業務需求的時候，第一件事情需要了解的，就是需求的整體邏輯。乙個合理的產品設計通常都是與業務痛點相掛鉤的。如果業務提出乙個比較空泛的需求，如：
我想要提高一下營銷成功率，幫我搞個模型吧。這個時候，我們需要沉住氣,，有的時候資料建模師也需要充當起「心理輔導員」，慢慢引導業務說出實際的業務痛點與需求，好讓我們對症下藥（當然靠譜且有經驗的業務是不會犯這種行為的）。在經過若干分鐘的業務了解，其實業務真正想提高的，是最後的審批通過率，而繼續了解，發現是由於最近業務的增長，電銷人員的人手不足，導致審批的效率低下，而真正有意願購買產品的客戶被營銷的可能性降低，導致最終的整體轉換率過低。
了解過後，其實我們會有乙個初步的模型設計思路，那就是可以設計乙個模型對客戶進行意願度的預評估，根據評分對客戶進行營銷優先順序，結合電銷人員的經驗度（營銷成功率）與營銷**時間等等維度的結合，輸出營銷計畫，提高轉化率。
那麼在了解了業務需求後，接下來就需要針對具體的需求，繼續諮詢業務方一些業務知識點，而不是有了一點眉目就馬上開工，畢竟模型還是做出來還是業務在用，事先溝通好一些細節性的問題也是無礙，而且溝通的過程可以讓你對業務有更加深入的了解，對你後面的特徵開發有很好的幫助。
當我們確定了要開發的模型之後，這個時候需要做的是蒐集資料與處理資料了。顧名思義，這一步也就是收集你可以用的資料去訓練模型，而這是我認為是最為重要的一步。而在開始蒐集資料前，需要了解幾點內容：
1、模型應用節點
模型的應用節點，決定了你有哪些變數是不可以用的，避免說出現「事後變數」或者是無法上線的變數，這往往是和業務邏輯是掛鉤的，在上一步的business insight過程需要了解清楚。比如：乙個模型是打算應用於初審環節(貸款審批流程)，因此我們在初審節點後的變數都是不能用的，比如終審環節、門店審核等等，還有一些貸後的變數都是不能用的。
2、時效性要求
有些模型可能需要應用在實時的審批過程，要求秒級響應，但也有些模型的時效性要求則沒那麼高，小時級別的，次日級別的都會有，了解清楚，這樣子在設計你的模型或者變數的時候，更加地靈活。
3、預算多少
預算這個東西其實很難說，但是如果能有，那當然是最好的了，因為有了錢，自然可以從第三方機構接一些外部資料來源，類似於外部徵信之類的，這對於我們的模型效果會有很好的提公升。當然，很多時候，我們都會是用公司已經接入的資料來源來開發特徵的了。
4、專案緊急程度
這個不僅是對於模型開發專案，其實所有的專案都是需要的，了解清楚專案所能給的最大時長，做好專案計畫，馬上開始工作。蒐集資料，不需要等到所有的特徵都蒐集完才開始開發特徵或者訓練模型，有多少資料，就先搞多少資料。
在了解了以上的內容後，你就可以開始蒐集所有相關的資料了，因為你的資料來源會非常多，所以這裡你必須做好資料的歸檔，不然後期會很亂，而且原始資料需要備份乙份不要動，方便後續覆盤使用。具體可以參考我先前的一篇文章內容
《分享8點超級有用的python程式設計建議》
。 搞到資料後，需要做的事情大概可以分為：
1、消化所有的資料含義、邏輯；
2、對資料進行各種清洗，變成你熟悉的結構；
3、對資料進行質量控制，找出明顯有問題的資料，探尋原因，實在找不到原因就直接剔除不用；
4、對資料衍生的特徵做好備註，方便後面的回溯。
更加細緻的資料探勘過程這裡就不展開，有很多好的書籍和開源**可以參考。
模型訓練開發，這裡指的是已經做完特徵工程的步驟，重點在於篩選變數、選擇演算法、演算法調參、模型評估等等的操作。這裡也有幾點建議分享給大家：
1、變數篩選，盡量多用自動化工具，對你的效率提公升很大。最好還是通過自己總結多方特徵篩選的方法，寫一套自己的方法，方便自己呼叫；2、如果是使用傳統機器學習演算法，如rf、gbdt、xgb等，建議變數個數不要太多，50個以內差不多了。如果是一些深度學習相關的模型演算法就另當別論。3、對於模型演算法的選擇，如果不知道選啥，可以都試試看看效果最直接。但是作為乙個有經驗的模型開發專家，你還是需要了解演算法的原理，根據實際問題的情況來選擇演算法會更加好，比如類別型變數的佔比、資料維度、樣本目標佔比、資料分布等等。4、演算法調參和模型評估的方法太多太成熟了，可以自己試著總結乙份demo**。
關於模型部署，涉及到的步驟就沒那麼多了，主要分成：
1、模型部署常用的就是pmml模型檔案，所以你需要匯出來給到後台開發小哥
2、而在這之前，一般需要我們寫好介面文件，確定好特徵邏輯與部署節點，給到產品經理
3、自己在對應的平台上寫sql，測試對數等，更多地，這一步考驗的是模型開發者的細心程度，當然，熟悉的老司機會總結出合適自己的一套的變數上線套路，彎道超車
4、模型檔案部署到生產環境後，拿一些實際的單子進行a\b test，看下實際輸出是否滿足預期，沒有問題就萬事大吉，不然得細心從變數開發的邏輯開始檢查
至於模型上線後，我們並不是就完全不管了，我們需要時刻監控模型的表現，對於排序模型，主要可以從下面幾個角度去監控：
1、排序性情況，比如評分卡模型，各個分組間的badrate是否仍存在單調性
2、分類佔比，也就是各個類別的佔比情況，如果出現與建模時候差異較大的情況，需要有所提示
3、與模型相關的業務指標波動，有些模型會直接影響通過率或者是轉化率的，通過這些指標也是可以看出異常
除此之外，評分卡模型一般一年左右就需要迭代或更換，需要時刻留意效果作出決策。
以上是對機器學習建模的一些總結與思考，歡迎指正！
samshare
機器學習建模老司機的幾點思考與總結
機器學習現在在很多地方都是十分流行，無論現在的你是否從事建模工作，還是你將來想從事相關工作，對於從業者可以從中看出一些同感與意見，對於未來從業者可以了解這個職業到底是做些什麼。話不多說，乙個機器學習模型的開發周期一般可以分為 1 業務需求挖掘 business insight 2 資料蒐集處理 da...
關於知識學習的幾點思考
也許是異想天開。沒有章法 都是囈語。渾噩的思緒能否理出簡單的基本規律？能力的發展路徑 知識 見識 認識 膽識。知識的積累是否有跡可循？知識的學習，為何如此之難，是否有更容易的方法？在學習知識的過程中，都是在什麼地方斷掉的？為什麼有些人可以登頂知識巔峰，有些人缺不可以？知識學習和教育體系之間的關係？知...
機器學習定義 機器學習與資料建模 分析的區別
先來看一則開場白 看完這段話，可以發現這裡涉及了很多基於 經驗 而做出的判斷。換句話說就是 通過對經驗的利用，就能對新的情況做出有效的決策。筆者摘錄了兩則，大家批評接受 機器學習它致力於研究如何通過計算手段，利用 經驗 來改善系統自身的效能。計算機裡 經驗 通常以 資料 形式存在，因此機器學習所研究...