导读：相比于传统软件开发流程，机器学习开发更像是一个富有创造性的研究过程。
设计产品、编程实现、测试、修复漏洞、发布产品...... 敏捷开发在软件开发世界中无处不在。然而，机器学习开发更像是一个富有创造性的研究过程。
当然，这之间有很多相似之处，这里会简单罗列一下。
对于那些还没有自己亲手做过一个端对端（end-to-end）的机器学习解决方案的朋友们，我希望这个会对你们有所帮助。
1 明确你的期望，来确定回报率（ROI）
在机器学习中，我们的系统有一个明确定义的任务，比如说从图像上识别出文字。试想一下，如果我们有一个普通的基于规则的算法（还没有应用机器学习）来执行一个任务，比如说保险承保：如果它可以自动化70%的任务，但是应用了机器学习之后，准确率提高到了80%，那么是否可以判定为一个令人满意的增长？
操作建议：设定好一个投资回报的阈值。
2 明确目前最佳解决方案（state of the art）
在处理任何软件开发项目之前，我们都会对于现有解决方案、工具包、和算法等做一个研究。
机器学习项目也是一样，但是另外有很重要的一点就是要去看科学文献。
（State of the art ：学术界对于一个特定问题目前最好的解决方案。比如说，目前在 MNIST 数字分类问题上，最高水平的解决方案是 0.21% 的错误率。）
操作建议：研究相类似问题的最佳解决方案，你可能不会做得更好，但这结果是否让人满意呢？
3 收集高质量的训练数据（但别太多）
对任何机器学习解决方案来说，最大的威胁就是没有足够的清晰、有意义的数据。
无论是欠拟合还是过拟合，对机器学习模型质量都是一个很大的挑战。 图片来源：coursera
有着过多噪音的数据会导致算法给出让人不满意的结果，也就是算法会从噪音中去学习。过少的训练数据会导致不足以对整个数据进行分布估计，也就是所说的欠拟合（underfitting）。
然而，获取更多的数据是一个代价很大的过程，并且往往在刚开始的时候不会注意到。所以在收集数据上做一个权衡也是很重要的。
操作建议：弄清楚多少数据是不需要过多代价就可以得到的，以及要得到更多的数据要多少成本（金钱和时间）。
4 预处理并拓展数据
让我们来想一下市场细分这个问题，也就是把消费者分成不同的群体。我们需要什么样的信息来确定哪一位顾客分为哪一类？显然，人口特征和消费记录会是两个不错的方面。
市场细分是一个热门话题——企业都想更了解自己的客户市场 图片来源：ExpressAnalytics
但如果数据是不相关的，比如姓氏和名字，它们就会给算法带来麻烦。
可是我们能不能（应不应该）再收集更多的特征（feature）？我们可能会想要利用社交信息或者相关推断来拓展消费者数据，比如说：根据他们的其它特征来给他们的收入进行分类。如果这方面做得好，我们甚至可以赢得美国总统大选。
操作建议：当你在处理这些学习问题时确定哪些特征是和问题相关的。你已经了解了哪些额外的信息？怎么样可以拓展数据？
5 多设计一些实验
网格搜索（Grid search）是寻找机器学习模型最优参数的一个方法，这是开发机器学习模型的一个重要步骤。 图片来源：Medium
现在既然我们已经有了数据集，我们需要设计实验并且进行评估。
操作建议：
设计 10-20 组你想要的实验，尝试在限定的时间内对它们进行训练。
确定哪一对实验显著优于其他的实验，用网格搜索（或其它方法）来决定一个算法和超参数的最优组合。
6 优化你的最终算法
现在你已经获得了合适的算法和相关参数，来尝试着对它进行一些改进吧？
操作建议：
你的模型对于训练数据是否过拟合？如果是的话，获取更多数据来提升模型质量
还有没有更多的参数可以调校？
你对你的结果满意吗？尝试把你的模型部署到一个真实的生产环境中。面对真实世界的挑战，它会表现得如何？
来源：Medium
作者：Mariusz Kierski
翻译：张佳维