机器学习中的CRISP ML(Q)是什么意思

机器学习中的CRISP ML(Q)的含义是什么

项目管理方法论

CRISP ML(Q) — 跨行业标准机器学习过程与质量保证，

包括6个阶段：

1. 数据和业务理解
2. 数据准备
3. 模型构建和调优
4. 评估
5. 模型部署
6. 监控和维护

数据和业务理解

业务理解：

• 你的VoAGI贴文-为什么你不应该在Python中过度使用列表推导式
• Meta Llama真的是开源的吗?
• 释放ChatGPT AI-1：构建一个先进的基于LLM的系统

1. 业务理解与工作中出现的业务问题有关。
2. 目标是通过关键绩效指标（KPI）来最小化问题。例如：员工离职。因此，这种情况下的KPI可以是NPS（净推荐度分数），RR（保留率）等。
3. 业务约束是通过公司提供的各种福利来最大化员工的任职时间。

对于业务理解来说，成功标准也很重要。

1. 业务成功标准：离职率保持在最低或健康水平。例如：健康的离职率为3-5%。
2. 机器学习标准：算法不应欠拟合或过拟合。模型的准确性应更高，延迟率应尽可能低。
3. 经济成功标准（成本）：通过在时间范围内完成项目或任何工作来最大化利润，即投资回报率（ROI）。如果员工离职，那么就是时间范围，客户可以扣留项目资金。

不同的业务案例研究示例

1. 案例研究：

• 业务问题：提高农业产量
• 业务目标：最大化产量并生成创意
• 业务约束：降低新应用想法的成本，以便农民能够负担得起。

2. 案例研究：

• 业务问题：提高代码延迟
• 业务目标：最大化代码优化
• 业务约束：缩短给定的时间……