機器學(xué)習工業(yè)界出現(xiàn)兩種截然不同聲音，一派是「調(diào)參」（優(yōu)先實踐，后理論），另一派是「理論」（優(yōu)先理論，后實踐）

其實都不對，老實說目前見到的「調(diào)參」就提升個 2-3 % （超參數(shù)），對商業(yè)很多問題不是特別重要，倒不如換個新算法或者弄個特征工程（增加新維度）。「理論」在工業(yè)界運用更加不靠譜，主要是理論與實際不貼切，比如:

• 缺失值怎么處理
• 多分類問題怎么做
• 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：

• 先抽樣幾萬數(shù)據(jù)建模，準確率 70%，那么可以估計增加到百萬級，模型準確率會變得更好
• 做好維度構(gòu)建，好的維度 >> 算法 >> 調(diào)參
• 算法不要局限于機器學(xué)習，就提升那幾個百分點，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