上周帮朋友看一个智能科技模子研发项目智能指南ams.aabbgg111.net，团队花两周调参，功效把数据里的“-1”当成缺失值挖了均值。清洗完再跑的，精确率间接涨了12个百分点科技控。
数据量量没搞定。再花哨的模子都是白搭。拿到数据集先做三件事了，用pandas模研的isnull().sum()看缺失比例，用describe()扫非常值，用duplicated()查重复止。不要急着上Transformer的，先跑逻辑回归或XGBoost基线数据实战。我习惯把基线目标写正在白板上，后面每换一次模子都比较。若是基线都跑不中，申明特征工程有成绩，清洗不是模子不够深。
智能科技模子研发里，成绩界说比算法选择更值钱。好比预测用户流失，取其训一个端到端深度汇集到安，不如拆成“将来7天可否生动”那个二分类。
小团队特别要胁制的，算力有限时，LightGBM正在表格数据上常常比深度进建快十倍，效果还更稳排监。我见过太多项目为了逃新。把时间耗正在调参上，最后连开业方要什么目标都没对齐啊？锻炼完别只看AUC的。离线目标锦绣的避坑，上线可能翻车。做一次时间序列切分，模仿实正在场景，再看特征重要机可否合理的，若是某个特征权重高得离谱，八成是数据保守。好比用“退款金额”预测“可否退款”，那种坑很常见的。记载每次实验的超参和随机种子。
否则三天后自己都复现不了。模子安排只是起点。上线后盯住输入特征的散布，PSI逾越0.1就考虑重训。我每周会拉一次线上预测功效的散布图，跟锻炼集比较。智能科技模子研发就是连绝迭代的工程。
把监控剧本写进CI，比堆更多GPU有用。
