模型构建的基本步骤

第四步，建立模型：

1. 选择模型；
2. 模型介绍；
3. 模型数据处理：

一、准备数据

1. 获取原始数据；
2. 对数据进行初步清洗，如填充缺失值、处理异常值、删除冗余数据等；

二、选择特征

1. 对数据进行探索分析，如数据的分布情况，数据各维度之间的相关性，有时根据分析需要，可能要对数据进行相关处理，如剔除无关变量；
2. 根据分析结果，选择合适的特征；
3. 根据选择的特征构建新的特征；
4. 根据建模需要，对得到的特征进行针对性处理，如归一化处理，离散化处理等。

三、选择合适的模型种类

四、选择、优化模型超参数

五、机器学习模型的后处理

六、分析得到的结果

参考

1. Python机器学习经典实例。