Skip to content

Machine Learning › 工作流程 › 問題定義

問題定義 (Problem Framing) ​

選模型之前,先把問題定義成符合資料與決策情境的形式。問題類型的總覽見 問題類型與學習範式。

一開始就要釐清的問題 ​

問題例子影響
目標 (target) 到底是什麼?「流失」= 90 天沒登入?還是取消訂閱?標籤定義、資料可得性
預測單位是什麼?使用者、訂單、session、病人、樣本、細胞一列代表什麼、怎麼切分
預測在什麼時間點做?入院當下 vs 入院 24 小時後哪些特徵合法
哪種錯誤代價高?漏診(FN)vs 誤報(FP)指標、閾值
預測時拿得到哪些資料?檢驗報告兩天後才出來特徵清單、資料洩漏
預測結果怎麼被使用?排名前 5% 送人工審查分類 vs 排序、評估方式
現行做法是什麼?醫師經驗、既有評分系統Baseline

問題定義決定後面所有選擇 ​

決定由什麼決定
能用哪些模型輸出型態(連續、類別、排序、時間)
用哪個指標決策情境與錯誤代價,見 模型評估
怎麼切資料資料生成過程(時間、分組),見 切分策略

常見失敗 ​

失敗例子
把排序問題當一般 分類只能聯絡 1,000 人,卻在最佳化整體 accuracy
用預測時點不存在的資訊用出院診斷預測入院時的風險
最佳化錯的指標業務需要高 recall,卻在最佳化 accuracy
預測單位錯單細胞資料以細胞為單位切分,但要推論的是病人
其實不需要 ML規則或簡單統計就能解決

目標定義、決策閾值、預測時點任何一個不清楚,就先不要開始調模型。