你好，今天的你

是否在遇到技术瓶颈时变得懒惰？

A/B TEST

机器学习入坑指南

1024 心愿单

相信各位童鞋在跑模型的时候时不时会遇到一个尴尬的现象，就是你在训练集或者验证集的模型效果好到令人发指，一时间以为“哼~就这？🤨游戏结束”，结果当你在测试集或者上线后发现真的就游戏结束了，指标低的没眼看。本人还是一个算法菜鸟时就遇到过这种情况，以致我后面看到指标上到80以上的模型都发怵…🙄下面我会为大家列举一些常见的原因和解决方法，给予大家一点思路参考。比如，离线特征的计算过程一般是使用SQL语言在大数据平台上完成。这样就存在相同的逻辑需要实现两次，而且可能是不同的人来实现，如果不仔细测试，出现不一致的

原图：

标签：#萌新 #0基础 #简约实现：Craps赌博小游戏的实现游戏规则：玩家摇两颗色子 如果第一次摇出7点或11点 玩家胜如果摇出2点 3点 12点 庄家胜 其他情况游戏继续玩家再次要色子 如果摇出7点 庄家胜如果摇出第一次摇的点数 玩家胜否则游戏继续 玩家继续摇色子玩家进入游戏时有1000元的赌注 全部输光游戏结束代码送上：from random import randintmoney = 1000 #首先我们设定我们兜里的钱~while money > 0: #判断兜

从年中开始，在一个流量预测的项目上辗转了多月，最近也快临近上线了。这么多月以来，没少碰壁，这次码字主要想总结一些坑，避免以后再次遇到还会掉在同一个坑里。。。自己的问题？如果你发现预测的指标相较于你的以往的测试或者在训练集上变得出奇的差，不要下意识就慌着去怀疑自己的代码效果是不是没有那么好。当然，首先第一步还是看看自己的代码里面是不是有bug，比如是否有些代码临时被注释了，变量是否传错了，又或者设定了错误的时间日期（今天预测昨天）等等。。。对于自己的代码还是比较熟悉的，所以能够很快的找出其中的“bug”

Answer by “金瀛若愚”反馈的闭环一. 反馈的闭环在一个研究任务中，我首先尝试了方法A，没搞定，于是改用方法B。组里大哥问：为什么改方法B。我说A没效果，或许B能work。大哥继续问：为什么A不work。我说或许A不适合这个问题？大哥说：当你有一个尝试，你一定要知道它为什么work以及为什么不work。每次不work了你就换另一个方法，那另一个方法就能work吗？这不是科研，是赌博，是瞎试。你只有知道为什么一个方法有效或不有效，何时有效何时无效，你才能增进对这个问题的理解，然后基于此提出有价值的