一、数据清洗
统一同类数据的单位，去掉重复数据及噪声数据。使得数据具备结构化特征，方便作为机器学习算法的输入。
二、特征选择
从所有的特征值中，逐个分析选择合适的特征集合作为输入。
方法：1、人工选择；2、PCA算法
三、模型选择
根据问题领域、数据量大小、训练时长、模型准确度等多方面因素决定模型的选择。
四、模型训练和测试
将数据集分为训练集、测试集、验证集（交叉验证集）来进行模型训练。
五、模型性能评估和优化
考虑训练时长、数据集是否足够多是否全面、模型准确性、是否能满足应用场景的性能要求，不能则将其优化或选择其他模型。
六、模型使用
来源：CSDN
作者：嗯_雅娴
链接：https://blog.csdn.net/silvia__y/article/details/103488018