机器学习主要有四个流程：

• 问题建模。明确业务指标和模型预测目标，根据预测目标选择适当的评估指标用于模型评估。接着从原始数据中选择最相关的样本子集用于模型训练，并对样本子集划分训练集和测试集，应用交叉验证的方法对模型进行选择和评估。
• 特征工程。完成问题建模、对数据进行筛选和清洗之后的步骤，就是对数据抽取特征，即特征工程。
• 模型选择。经过特征工程得到一份高质量的特征之后,需要考虑哪个模型能够更准确地从数据中学习到相应规律。
• 模型融合。不同模型会有很大差别，能够从数据中学到的规律也会不同。可以采用模型融合的方法，充分利用不同模型的差异，以进一一步优化目标。

                                                                                     机器学习流程图

参考文献：《美团机器学习实践》