模型數據
特徵
Feature
意思
一個模型用於進行預測或發現模式的輸入變量。
使用時機
選擇在預測時可用且與任務相關的特徵。
應用範例
功能：tenure_days, order_count_90d, support_ticket_count。資料分析
機器學習與預測分析術語
了解特徵、目標、學習方法、數據分割、管道、擬合問題、交叉驗證、指標以及潛在的洩漏風險。
12 個術語
模型數據
目標
Target
意思
監督模型訓練的目標，即模型預測的結果或標籤。
使用時機
使用清晰的觀察窗口和業務意義來定義它。
應用範例
目標：客戶是否會在接下來的 30 天內流失。學習方法
監督學習
Supervised learning
意思
使用帶有標籤的範例，從輸入到已知目標值的映射學習。
使用時機
適用於分類或迴歸，當有歷史標籤可用時。
應用範例
使用過去的交易資料訓練一個分類器，這些交易被標記為欺詐或非欺詐。學習方法
無監督學習
Unsupervised learning
意思
在沒有提供目標標籤的情況下，在資料中尋找結構。
使用時機
適用於聚類、降維或異常探索。
應用範例
根據銷售組合和客戶行為，將商店分群。驗證
訓練-測試分割 (Train-test split)
Train-test split
意思
區分用於擬合模型的資料與用於最終評估的資料。
使用時機
在隨機分割可能會洩露資訊時，使用時間感知或群組感知的分割方法。
應用範例
在 1 月至 10 月進行訓練，在 11 月進行驗證，在 12 月進行測試。工作流程
預處理管道
Preprocessing pipeline
意思
一個有序且可重複的轉換和模型擬合步驟序列。
使用時機
僅在訓練資料上進行預處理，並在預測期間使用相同的步驟。
應用範例
impute -> standardize -> one-hot encode -> fit model學習方法
模型
Model
意思
一種用於進行預測或決策的學習到的數學或計算表示。
使用時機
比較一個簡單的基準線與更複雜的候選方案，並使用相同的評估協議。
應用範例
基準：邏輯迴歸；候選：梯度提升。驗證
過度擬合
Overfitting
意思
當模型學習到訓練特定的雜訊，並且在未見過的資料上表現不佳時。
使用時機
使用驗證集進行檢測，並通過使用更簡單的模型、正則化或更具代表性的資料來減少它。
應用範例
訓練準確度 99%，驗證準確度 71%，表明存在過擬合。驗證
欠擬合
Underfitting
意思
當模型太受限，無法捕捉資料中的重要模式時。
使用時機
檢查訓練和驗證效能是否都較差。
應用範例
當兩個錯誤仍然很高時，添加信息豐富的特性或更適合的模型。驗證
交叉驗證
Cross-validation
意思
反覆將資料分割成訓練和驗證資料，以估計模型的效能。
使用時機
對於類別平衡、群組或時間順序，請使用適當的分隔器。
應用範例
對不平衡分類任務執行 5 倍層級交叉驗證。驗證
評估指標
Evaluation metric
意思
一個用於判斷預測品質的數值指標。
使用時機
根據錯誤成本和類別平衡，而不是僅僅為了方便，選擇指標。
應用範例
追蹤精度和召回率，當假陽性和假陰性的成本不同時。風險
資料洩漏
Data leakage
意思
當訓練使用在實際預測時不可用的資訊時。
使用時機
在信任結果之前，審計功能、分割時間、預處理和聚合窗口。
注意
洩漏可能會使離線評分看起來非常出色，但生產環境中的性能卻失敗。
應用範例
不要使用最終的退款狀態來預測訂單是否會被退款。