模型数据
特征
Feature
含义
一个模型用于进行预测或发现模式的输入变量。
使用场景
选择在预测时可用且与任务相关的特征。
应用示例
功能：tenure_days, order_count_90d, support_ticket_count.数据分析
机器学习与预测分析术语
理解特征、目标、学习方法、数据分割、流水线、拟合问题、交叉验证、指标以及潜在的泄漏风险。
12 个术语
模型数据
目标
Target
含义
监督模型训练的目标是预测的结果或标签。
使用场景
使用清晰的观察窗口和业务含义定义它。
应用示例
目标：客户是否会在未来 30 天内流失。学习方法
监督学习
Supervised learning
含义
通过使用带标签的示例，从输入到已知目标值的映射学习。
使用场景
用于分类或回归，当有历史标签可用时。
应用示例
使用过去交易数据训练一个分类器，将交易标记为欺诈或非欺诈。学习方法
无监督学习
Unsupervised learning
含义
在没有提供目标标签的情况下，在数据中寻找结构。
使用场景
用于聚类、降维或异常探索。
应用示例
根据销售组合和客户行为，对商店进行分组。验证
训练-测试划分
Train-test split
含义
将用于拟合模型的的数据与用于最终评估的数据分开。
使用场景
在随机分割可能泄露信息时，使用时间感知或组感知分割。
应用示例
在 1 月至 10 月进行训练，在 11 月进行验证，在 12 月进行测试。工作流程
预处理流水线
Preprocessing pipeline
含义
一系列有序的可重用转换和模型拟合步骤。
使用场景
仅在训练数据上进行预处理，并在预测期间应用相同的步骤。
应用示例
impute -> standardize -> one-hot encode -> fit model学习方法
模型
Model
含义
一种用于进行预测或决策的、学习到的数学或计算表示。
使用场景
在相同的评估协议下，将简单的基线与更复杂的候选方案进行比较。
应用示例
Baseline：逻辑回归；候选：梯度提升。验证
过拟合
Overfitting
含义
当模型学习到训练特定的噪声，并在未见过的数据上表现不佳时。
使用场景
使用验证数据集进行检测，并使用更简单的模型、正则化或更具代表性的数据来减少其影响。
应用示例
训练准确率 99%，验证准确率 71%，表明存在过拟合。验证
欠拟合
Underfitting
含义
当模型过于有限，无法捕捉数据中的重要模式时。
使用场景
检查训练和验证性能是否都较差。
应用示例
当两个错误仍然很高时，添加信息性功能或更合适的模型。验证
交叉验证
Cross-validation
含义
反复将数据拆分为训练和验证集，以估计模型的性能。
使用场景
使用适当的分区器，用于类平衡、组或时间顺序。
应用示例
对不平衡的分类任务运行 5 折交叉验证。验证
评估指标
Evaluation metric
含义
一个用于判断预测质量的数值。
使用场景
根据错误成本和类别平衡，而不是仅仅为了方便，选择指标。
应用示例
跟踪精度和召回率，尤其是在假阳性和假阴性具有不同成本时。风险
数据泄露
Data leakage
含义
当训练使用在实际预测时不可用的信息时。
使用场景
在信任结果之前，审计功能、分割时间、预处理和聚合窗口。
注意
泄漏可能会使离线评分看起来非常出色，而生产环境的性能却不佳。
应用示例
不要使用最终的退款状态来预测订单是否会被退款。