机器学习实战：基于Scikit-Learn、Keras 和TensorFlow （原书第2 版）

44

｜

第

2

章

2.2 观察大局

欢迎来到机器学习房产公司！你要做的第一件事是使用加州人口普查的数据建立起加州

的房价模型。数据中有许多指标，诸如每个街区的人口数量、收入中位数、房价中位数

等。街区是美国人口普查局发布样本数据的最小地理单位（一个街区通常人口数为 600

到 3000 人）。这里，我们将其简称为“区域”。

你的模型需要从这个数据中学习，从而能够根据所有其他指标，预测任意区域的房价中

位数。

如果你是一名习惯良好的数据科学家，要做的第一件事应该是拿出机器学习

项目清单。你可以从附录 B 中的清单项开始，它适合绝大多数机器学习项

目，但还是要确保它满足你的需求。本章我们将会讨论这个清单中的部分内

容，但也会跳过一部分，有些是因为不需要多做解释，有些是因为在后面的

章节中会展开讨论。

2.2.1 框架问题

你问老板的第一个问题应该是业务目标是什么，因为建立模型本身可能不是最终的目

标。公司期望知道如何使用这个模型，如何从中获益？这才是重要的问题，因为这将决

定你怎么设定问题，选择什么算法，使用什么测量方式来评估模型的性能，以及应该花

多少精力来进行调整。

老板回答说，这个模型的输出（对一个区域房价中位数的预测）将会跟其他许多信号一

起被传输给另一个机器学习系统（见图 2-2）

注 3

。而这个下游系统将被用来决策一个给

定的区域是否值得投资。因为直接影响到收益，所以正确获得这个信息至关重要。

1

区域定价

区域数据 区域价格

你的部分 其他信息

投资分析

投资

上游部分

图 2-2：一个针对房地产投资的机器学习流水线

注