机器学习，特征工程和模型展示的常用技术是什么？

Question

我有一个ML语言识别项目(Python)，它需要一个具有高维特征输入的多类分类模型。

目前，我所能做的就是通过跟踪和错误来提高精度.盲目地结合现有的特征提取算法和可用的ML模型，看看我是否幸运。

我要问的是，是否有一个普遍接受的工作流系统地找到一个ML解决方案。

这个想法可能很天真，但我在想，如果我能以某种方式可视化那些高维数据和我的模型的决策边界。希望这个可视化能帮助我做一些调整。在MATLAB中，经过训练后，我可以从所有的特征中选择任意两个特征，并且MATLAB会给出相应的决策边界。我能用Python做这个吗？

此外，我正在寻找一些类型的图表，我可以使用在演示文稿介绍我的模型和功能。在这个领域中最常用的图表是什么？

谢谢

Answer 1

特征工程与其说是技术，不如说是艺术。这可能需要领域知识，或者您可以尝试添加、减法、除法和乘不同的列，从而使其具有特性，并检查它是否为模型增加了价值。如果您使用线性回归，那么调整后的R-平方值必须增加，或者在树模型中，您可以看到特征的重要性，等等。