1.7　机器学习工作流示例

为了进一步了解学习机器学习的工作流，在这里让我们学习一些例子。

本书后续章节会研究风险建模、欺诈检测、客户视图、流失预测和产品推荐。对于诸如此类的项目，目标往往是确定某些问题的原因，或者建立一个因果模型。下面是使用工作流建立一个因果模型的一个例子。

1.检查数据结构，以确保更好地理解数据：

数据是横截面数据吗？是隐含着时间信息的合并数据吗？

是否使用了分类变量？

2.检查缺失值：

不知道或者忘记了一个答案可能会被记录为一个中立或特殊的类别

一些变量可能有很多缺失值

根据需要重新记录一些变量

3.进行一些描述性研究，开始讲故事：

使用比较方法和交叉列表

检查一些关键变量的变异性（标准差和方差）

4.ind变量（外生变量）的选择组：

作为问题原因的候选

5.基本描述性统计：

所有变量的均值、标准差和频率

6.测量工作：

研究一些测量值的规模（