JunyongYao的博客

本文参考在线文章整理而成。对于机器学习的模型如何使用到实际场景，有8个步骤。一般而言，你需要定义需要解决的商业问题，确定哪些数据需要收集，判断最后输出结果如何衡量有效。然后你就可以执行这8步了。

对于机器学习工程师，要选择使用的模型，也要调整各个模型的参数，才找到最好的匹配。即使模型还可以，如果它的参数设置不匹配，同样无法输出好的结果。 常用的调参方式有 grid search 和 random search ，grid search 是全空间扫描，所以比较慢，random search 虽然快，但可能错失空间上的一些重要的点，精度不够，于是，贝叶斯优化出现了。 hyperopt是一种通

一般这些函数都能在 sklearn.metrics 中找到

XGBoost是Kaggle上非常火的一种模型，很多项目用它拿到了第一，这是对它的一些学习笔记。