機器學(xué)習(xí)項目中提取簡單有效的checklist

導(dǎo)讀

這個checklist能幫助你邁出做一個成功的機器學(xué)習(xí)項目第一步。

避免混淆，用這個簡單的清單來計劃你的 AI 項目。

對許多人來說，機器學(xué)習(xí)仍然是一項新技術(shù)，這可能會讓它難以管理。

項目經(jīng)理通常不知道如何與數(shù)據(jù)科學(xué)家談?wù)撍麄兊南敕ā?/p>

在我們規(guī)劃 30 多個機器學(xué)習(xí)項目的經(jīng)驗中，我們提煉出了一個簡單有效的checklist。

1. 項目動機

明確你的項目的更廣泛的意義。

你要解決的問題是什么？What is theproblemyou want to solve?

相關(guān)聯(lián)的目標(biāo)策略是什么？

如果項目團隊不理解你的動機，那么他們就很難提出好的建議。

有很多方法可以解決機器學(xué)習(xí)的問題。所以幫助你的團隊以你最感興趣的方式工作 —— 退一步告訴他們?yōu)槭裁催@個項目是重要的。

2. 問題定義

你想要預(yù)測的具體輸出是什么？

對于給定的輸入，你的機器學(xué)習(xí)模型將理想地學(xué)會預(yù)測非常具體的輸出。

所以這里你要盡可能的清楚?！邦A(yù)測機器故障”可能意味著很多事情 —— “告訴我，在未來 24 小時內(nèi)，意外停機的風(fēng)險何時增加 50%以上”更好。

你的算法有什么輸入數(shù)據(jù)？

模型預(yù)測輸出的唯一方法是從模型的輸入因子中派生出來。所以，為了有機會做出好的預(yù)測，你必須有與輸出相關(guān)的數(shù)據(jù)。數(shù)據(jù)越多越好。

什么是預(yù)測你的具體輸出的最相關(guān)因素?

算法不能理解我們的世界。重要的是，你要給數(shù)據(jù)科學(xué)家一些提示，告訴他哪些數(shù)據(jù)實際上是相關(guān)的，這樣他就可以用算法能夠理解的方式選擇和分割數(shù)據(jù)。

你能提供多少訓(xùn)練樣本?

一個算法需要的練習(xí)比一個人要多得多。你最少需要 200 個樣本。越多越好。

3. 性能度量

你怎么知道什么是好的結(jié)果？

你有一個簡單的基準(zhǔn)測試來比較你的結(jié)果嗎?

有沒有一種簡單的方法來利用你已有的數(shù)據(jù)進行預(yù)測？也許你可以根據(jù)去年的數(shù)字預(yù)測銷售額，或者通過計算客戶上一次登錄后的天數(shù)來評估客戶離開的風(fēng)險。一個簡單的基準(zhǔn)測試可以為你的團隊提供有價值的問題洞察力。它給你一些東西來衡量模型。

你將如何衡量預(yù)測的準(zhǔn)確性?

你期望的最低準(zhǔn)確度是多少?

你希望預(yù)測的準(zhǔn)確率平均在 5% 以內(nèi)，還是更重要的是預(yù)測誤差不超過 10%？你的模型可以以任何一種方式進行調(diào)優(yōu)。哪種方式更好取決于什么對你來說是重要的。

一個完美的解決方案是什么樣的？

即使這對你來說是顯而易見的，把它寫在紙上也能幫助你理清思路。

是否有參考解決方案(如研究論文)？

如果有人以前解決過類似的問題，就把他們的解決方案當(dāng)作靈感。這為每個人提供了一個共同的起點，這樣他們就可以看到要使用哪些數(shù)據(jù)，可能會出現(xiàn)哪些問題，以及要嘗試哪些算法。

4. 時間線

一個性能驗證項目的時間線示例。

是否有截止日期需要注意？

你什么時候需要看到第一個結(jié)果？

你想什么時候有一個完整的解決方案？

人工智能解決方案可以無限地改進。明確的最后期限有助于讓團隊集中精力。

5. 聯(lián)系人

誰負(fù)責(zé)項目(PM)？

誰可以授權(quán)訪問數(shù)據(jù)集？

誰能幫助理解當(dāng)前的流程和/或簡單的基準(zhǔn)測試(領(lǐng)域?qū)＜?？

在一個項目的過程中會出現(xiàn)許多問題。明確你的工程師可以向誰求助。

6. 合作

在業(yè)務(wù)和工程團隊之間建立一個雙/周的更新。

每周安排一次會議來查看當(dāng)前的結(jié)果，并討論那些不需要通過電子郵件來回答的問題。

應(yīng)該涉及誰?

他們應(yīng)該學(xué)什么？

在學(xué)習(xí)如何管理人工智能方面，沒有什么比實際項目的實踐經(jīng)驗更有價值。如果你想讓你的團隊的其他成員學(xué)習(xí)，從一開始就要說清楚。

定義代碼和問題的位置以及如何訪問代碼。

讓所有的開發(fā)從一開始就透明。這樣任何人都可以很容易地加入，給出提示，并檢查進展。

回答這個清單上的問題，并與大家分享

世界仍在研究如何最好地運行人工智能/機器學(xué)習(xí)項目。填寫這份清單將會給你所有成功的機器學(xué)習(xí)項目的要素之一：理解。