一、数据收集并给定标签
数据预处理
1）归一化
2）数据清洗
先直观上 去掉不需要的列特征。 包括：
1.预测后才出现的特征（比如：实际发放的贷款）、
2.高度相关的特征（比如：123和ABC）、
3.关系不大的特征（比如：ID等）
4.列属性只有一个值的
需要先排除列中 nan 值，再用 unique() 判定
3）缺失值处理
先查找列缺失值多的，去掉这些列，只剩下缺失值少的列。之后直接去掉那些样本行即可
4）字符串值处理
把 object 类型转为 int 和 float 类型。包括：
1.one-hot 编码
2.列属性数字替换
5）数据样本均衡分析
样本分布不均衡：指的是 label 不同的样本数量差距很大。
如果数据样本不均衡，容易导致分类器效果很差。
为了解决，有以下2种方案：
P1：oversample 或 undersample
P2：用模型参数 调节分类惩罚权重比参数： class_weight，适用于所有分类算法
特征提取
数据集划分
二、训练一个分类器
选择模型
训练模型
- 让学习率随迭代次数收敛
三、模型测试、评估
选择模型评估方法
1.交叉验证 + 指标（比如：精度、TPR）
2.均方误差
3.交叉熵
模型评估结果分析
如果分类效果不佳，可采取以下措施：
- 调节分类惩罚系数比（可在模型参数中调节）
- 调节模型其他参数
- 考虑 过拟合 可能，去掉一些列
- 集成多个模型
- 尝试其他模型