第 05 周复盘

综合实践 · 05_每周执行/第05周_复盘.md

第 05 周复盘

本周主题

数据分析和机器学习作业的最低可用流程：从数据质量、任务定义、基准模型到指标解释。

本周投入时间

• 计划：8 小时
• 实际：

本周建议完成的概念卡

1. SQL
2. 分类
3. 回归任务
4. 聚类
5. 评价指标
6. 混淆矩阵
7. AUC
8. 数据泄漏
9. 缺失值
10. 异常值

本周专业问题

1. 分类任务为什么不能只看准确率？
2. AUC 和混淆矩阵分别回答什么问题？
3. 数据泄漏为什么会让模型表现虚高？
4. 缺失值为什么不能一律删除？
5. 异常值和极端事件有什么区别？

本周可用于课堂/组会的表达

1. 我会先确认任务是分类、回归还是聚类，再选择评价指标。
2. 如果类别不平衡，准确率可能误导，需要看混淆矩阵、precision 和 recall。
3. 异常值不一定是错误，极值方向中它可能正是研究对象。

本周 AI 协作案例

• 原始任务：
• 我的提示词：
• AI 给出的流程：
• 我检查出的潜在问题：
• 我最终采用的报告表达：

本周最容易露怯的点

• 只说模型准确率，不知道错误类型。
• 没有检查数据泄漏。
• 把聚类结果当作真实类别。

下周补救动作

• 每个模型输出都补混淆矩阵或残差诊断。
• 每次训练模型前先写清楚任务类型。
• 用 08_资料库/机器学习流程检查清单.md 检查一次 notebook。

3 分钟解释练习

• 主题：为什么机器学习模型不能只看准确率
• 是否能讲满 3 分钟：
• 卡住的位置：
• 下一版要改进：