一、机器学习建模流程：

1. 获取数据（搜集与完成机器学习任务相关的数据集）
2. 数据基本处理（数据 缺失值处理，异常值处理）
3. 特征工程（特征提取、特征预处理 、特征降维、特征选择 、特征组合）
4. 机器学习 （模型训练）选择合适的算法对模型进行训练（有监督学习,无监督学习,半监督学习,强化学习）
5. 模型评估（回归评测指标 、线性评测指标 、聚类评估指标）评估效果好上线服务,评估效果不好则重复上述步骤

二、特征工程

特征：对任务有用的信息

特征工程：利用背景知识和专业技巧处理数据，让模型效果更好

• 特征提取 —— 专家面向原始数据的提取
• 特征预处理 —— 归一化和标准化 解决量纲问题
• 特征降维 —— 维度退化：3个特征 变成两个
• 特征选择（很少做，不然说明特征提取有问题）—— 从特征提取中选择出一些重要特征训练模型
• 特征组合 —— 把多个特征合并组合成一个特征