机器学习中容易犯的错误——不注重样本精细化处理

接触过机器学习的朋友应该知道，样本是机器学习模型的核心，这是因为样本直接关系到模型效果的好坏，不过在大多数情况下，很多人对待样本的态度根本不够，这就导致的机器学习中的错误。很多人关注样本不像在乎特征那样在乎样本的质量一样，其实这样就容易出现两种情况，那么到底是什么呢？下面我们就给大家介绍一下。

首先我们给大家讲解一下第一种情况，其实第一种情况就是对负样本的界定不够细致。那么什么是负样本呢？其实负样本的含义一般来说是曝光但是未点击的样本，但是曝光是一件需要仔细琢磨的事情。最直接的方式是用服务器后台日志中的数据作为曝光，但是这样做会带来一个显然的问题，就是日志中的item不一定全部真正曝光，也就是不一定真的被用户看到了。更好的方式是通过页面埋点来记录真正曝光的东西，不过这种方法也会存在问题，那就是即使页面上曝光了，用户也不一定真正看到了，或者说用户的眼睛不一定扫到了曝光的区域，毕竟页面那么大，用户的关注点我们根本不知道。有人提出了一种解决方法是把最后一个被点击的商品以上的作为真正曝光的，因为用户既然点击了这一个，那么可以认为这个以上的用户都是看到了的。

而第二种情况就是对样本这个概念的理解不到位。统计机器学习的根本思路是根据历史行为学习模式，从而预测未来。所以样本代表历史是很容易被接受的，但是在实际工作中，更好的样本代表的应该是我们希望的结果，而不是那种真实的历史。我们需要考虑一个问题，那就是我们训练模型出来，真正希望服务的用户是哪种用户？所以说，我们需要注意的是除了特征工程，样本工程也同样重要，在某些情况下甚至会更重要。所以在进行训练之前，以及模型调优的过程中，都要仔细思考样本是否真正反映了我们的需求，有必要时要对样本做针对性选择。

在这篇文章中我们给大家介绍了在机器学习中容易出现的问题，那就是不注重样本精细化处理，现在很多人不怎么关注样本，其实这样的做法是错误的，我们只有关注样本才能够更好的利用机器学习为我们解决更多的事情。