機(jī)器學(xué)習(xí)工業(yè)界出現(xiàn)兩種截然不同聲音，一派是「調(diào)參」（優(yōu)先實(shí)踐，后理論），另一派是「理論」（優(yōu)先理論，后實(shí)踐）

其實(shí)都不對(duì)，老實(shí)說(shuō)目前見(jiàn)到的「調(diào)參」就提升個(gè) 2-3 % （超參數(shù)），對(duì)商業(yè)很多問(wèn)題不是特別重要，倒不如換個(gè)新算法或者弄個(gè)特征工程（增加新維度）?！咐碚摗乖诠I(yè)界運(yùn)用更加不靠譜，主要是理論與實(shí)際不貼切，比如:

• 缺失值怎么處理
• 多分類問(wèn)題怎么做
• 不平衡樣本怎么分析
• 數(shù)據(jù)量不多怎么辦
• ....

好的做法是優(yōu)先使用現(xiàn)有成熟方法，以最快速度跑通模型得出結(jié)果，比如：

• 先抽樣幾萬(wàn)數(shù)據(jù)建模，準(zhǔn)確率 70%，那么可以估計(jì)增加到百萬(wàn)級(jí)，模型準(zhǔn)確率會(huì)變得更好
• 做好維度構(gòu)建，好的維度 >> 算法 >> 調(diào)參
• 算法不要局限于機(jī)器學(xué)習(xí)，就提升那幾個(gè)百分點(diǎn)，嘗試別的類型方法 —— 網(wǎng)絡(luò)分析、ODE 方程等其他數(shù)學(xué)方法