一、確定特徵：（收集訓練資料）

1 > 資料探索：（為什麼要進行資料探索呢：有助於選擇 合適的 資料預處理方法 和 建模方法）

    （1）資料質量分析
          -- 缺失值
          -- 異常值
    （2）特徵分佈特性的分析
          -- 統計量
          -- 直方圖
    （3）特徵之間相關性分析


2 > 資料預處理：

3 > 特徵選擇：

二、確定模型：（暫定確切的模型）

三、模型訓練：（根據樣本資料計算模型引數）

四、模型評估： （根據測試資料，評估模型的預測效能）

note：深度學習可學習 feature
 

===========================================================================================

—–>確定特徵—->資料探索——>資料質量分析——–> 缺失值：

1.統計含有缺失值的樣本數目  及  缺失率

2.缺失值的處理：

    1> 刪除含有（一個或多個）缺失值的樣本 (從 行 的角度考慮)

    2> 刪除缺失值太多的特徵(從 列 的角度考慮)

    3> 對缺失值進行插補

        —— 均值mean(預設的方法)
        —— 中位數median
        —— 眾數 most_frequent
        —— 固定值插補 （根據背景知識用某些常量進行插補）
        —— 最近鄰插補 （尋找最相似的樣本，用該樣本對應的屬性進行插補）
        —— 迴歸方法 （用沒有缺失的資料建立迴歸方程預測不完整的樣本資料）
        —— 插值法 （利用該變數已有資料 建立合適的插值函式 進行插補）

    4> 不處理（有些框架可處理資料缺失的情況，如：xgboost）