机器学习(模型训练)

选择合适的 机器学习算法分类，在训练集上拟合模型参数，并通过验证集/交叉验证调整超参数。

训练阶段关注点

• 先做基线：用简单模型快速跑通流程，确定指标与数据管线正确
• 再做优化：换模型、调参、改特征（见 特征工程）
• 控制风险：监控 欠拟合 / 过拟合，避免训练集“好看但没用”

训练的输入与输出

• 输入：特征矩阵 X 与（可选）标签 y（见 获取数据）
• 输出：训练好的模型（参数 + 预处理流程），用于预测/上线服务（见 模型评估）