机器学习流程检查清单

综合实践 · 08_资料库/机器学习流程检查清单.md

机器学习流程检查清单

1. 任务定义

• [ ] 目标变量是否明确？
• [ ] 是分类、回归、聚类还是时间序列？
• [ ] 评价指标是否和任务目标一致？
• [ ] 是否明确更关心误报还是漏报？

2. 数据检查

• [ ] 是否检查缺失值？
• [ ] 是否检查异常值？
• [ ] 是否检查重复样本？
• [ ] 是否检查类别不平衡？
• [ ] 是否检查时间顺序？

3. 数据划分

• [ ] 是否先划分训练集和测试集？
• [ ] 预处理是否只在训练集上拟合？
• [ ] 时间序列是否按时间划分？
• [ ] 是否避免同一主体同时出现在训练和测试中？

4. 特征工程

• [ ] 特征在预测时是否真实可用？
• [ ] 是否存在目标泄漏？
• [ ] 类别变量是否正确编码？
• [ ] 数值变量是否需要标准化？
• [ ] 特征构造是否有解释意义？

5. 模型训练

• [ ] 是否先建立基准模型？
• [ ] 是否使用交叉验证？
• [ ] 是否调参？
• [ ] 是否控制过拟合？

6. 模型评价

分类任务：

• [ ] 混淆矩阵。
• [ ] Precision。
• [ ] Recall。
• [ ] F1。
• [ ] AUC。

回归任务：

• [ ] MAE。
• [ ] RMSE。
• [ ] R-squared。
• [ ] 残差图。

7. 结果解释

• [ ] 是否解释指标含义？
• [ ] 是否说明模型局限？
• [ ] 是否避免过度因果解释？
• [ ] 是否说明下一步改进？

8. 问 AI 检查

提示词：

请检查我的机器学习流程是否可靠。 要求从任务定义、数据清洗、训练测试划分、特征工程、数据泄漏、评价指标、结果解释和局限八个方面检查。 请指出最可能导致作业扣分的 5 个问题，并给出修改建议。