20、利用机器学习构建实用模型之模型设计

利用机器学习构建实用模型之模型设计

在使用机器学习算法构建模型之前，数据科学家和机器学习工程师需要对模型进行设计。这就好比火箭发动机的设计要充分利用现有的技术和燃料，以实现所需的结果。同样，机器学习模型的设计要考虑可用的数据和其运行的生产环境。

1. 设计模型的任务概述

在设计模型时，需要完成以下任务：
- 创建模型的设计并进行文档记录。
- 考虑影响模型设计的各种因素。
- 决定任务的分解方式，以创建整体设计。
- 根据数据所需的归纳偏置选择组件。
- 开发融合模型输出的组合方案。

2. 影响模型设计的因素

在开发业务应用的机器学习模型时，有一系列因素会影响模型的设计，具体如下：
| 因素 | 描述 |
| ---- | ---- |
| 定量性能 | 可以通过一些指标来衡量，如F1分数、精度、召回率、灵敏度和特异性等。 |
| 解释性/透明度 | 数值评估最好的分类器可能无法为其决策提供充分的解释，或者其工作方式不够透明，从而无法在特定的上下文或应用中使用。 |
| 延迟 | 分类器的延迟应与应用相匹配。例如，交互式应用可能需要在数据可用后的瞬间执行分类器，而电影字幕转录可以在夜间批量处理。 |
| 成本 | 如果需要执行分类器数百万次，运行它的基础设施成本可能会变得过高。 |
| 数据隐私/安全 | 从分类器的行为中得出的推断可能会泄露秘密或机密数据。 |
| 重用和数据稀疏性 | 可能没有足够的数据来训练某些类型的分类器，因此可以下载并使用预构建的分类器来执行数据不足的项目部分。 |
| 项目风险/开发时间 |