在中，有来构建或方案，都的东西。，识别是合理的并不明显。刚接触的人会犯，会愚蠢。本文列新手在做时最常犯的。能从常见的中吸取教训，更健方案，的。
默认的
均方大!这确实是一个的默认，中，的适合于你试图的问题。以检测。与商业保持一致，你想因而的比例来对假。使用均方会不，但永远不会最。
：建立一个自定义的，密切配合方案。
对问题使用/
人的第一个，并使用在用例中所的相同。它很，认为它和其他。一个糟糕的，将导致糟糕的。让为你模型。一旦你预了，把它到的模型中，是什么。你什么模型工和什么模型工好有一个很。
：你发现自己一次又一次地使用相同的，这意味着你最。
忽略离群点
离群点值很，也被忽略，这取决于上下文。以污染。空气污染会出现大的，并其是一个好主意。在的传感器导致的异常值的情况下，忽略中是的。从模型的来看，有些模型比其他模型对异常值更敏感。以Adaboost，异常值视为“”，异常值施加极大的，而决策树只异常值一个分类。
：在工作，一，应该忽略或更地离群值。
的
中的，一周中的，中的月，以及性的。新的工程师认为，不能将转形式，形式保存23和0的，彼此之间很近，也不远。的，问题的是计算sin和cos，(x,y)的圆来。在中，23和0在数字上是的，就像应该的。
：，而你转换，你模型。
做L1/L2化标准化
L1和L2化不利，是化或的常用，，工程师并意识到在化对标准化的性。一个以事务为的模型。标准化的，的基础上，化在上的。用，而用其他。
：化很好，你标准化，它会让你
将或的为性
为p值。新手认为模型，的值，越。的改的绝对值，所以这并是不正确的。是的，从一个转另一个。集的，越有是共的，对性的简单就越不可靠。
：什么对最是重，但你来，不会全貌。
做项目，，就像万。你工作，你很好，但就像其他行业，魔鬼中，甚至的和。列表并不是面面俱到的，让方案中的小问题。，过程是很重，要反复你犯常见的。
