线下班开课第三周，林晨亲自讲了一堂课。
不是开学典礼那种讲话，是真正的技术课——机器学习项目实战：从数据到模型。这门课本该由赵峰讲，但林晨把它拿过来了。不是不信任赵峰，是他想亲自看看这三百个学员。站在讲台上看，和坐在监控室里看，看到的东西不一样。
他站在第一教室的讲台上——第一教室是最大的教室，能坐八十个人。但今天六间教室的学员都来了，三百个人挤在一间教室里，坐的坐、站的站、蹲的蹲。走廊里也站了人，透过窗户往里看。小宇在最后一排架了一台摄像机——林晨的课要录下来，给以后的新学员看。
今天讲一个真实的项目。林晨打开笔记本电脑，投屏到电子屏幕上。不是MNIST手写数字识别，不是泰坦尼克号生存预测，不是网上烂大街的教学案例。是我自己做的项目——晨枫餐饮的日销售额预测模型。
屏幕上出现了一张表格——过去一年，六家店每天的销售额、天气、温度、节假日、周边活动。两万多条数据，每一条都是真实的。
这个模型现在在线上跑。每天早上六点，它自动预测六家店今天的销售额，误差在百分之八以内。中央厨房根据预测结果备料——预测卖多少份回锅肉，就备多少份五花肉。预测卖多少份酸菜鱼，就备多少条黑鱼。这个模型帮晨枫把食材损耗率从百分之五降到了百分之二。一年省十几万。
台下有人在记笔记。
今天，我带你们把这个模型从头做一遍。从数据清洗到特征工程，从模型选择到评估优化，从部署上线到监控维护。每一步我都会讲——不是讲理论，是讲我怎么做的，为什么这么做，踩过什么坑，怎么爬出来的。
他打开Jupyter Notebook，开始写代码。
第一步，数据清洗。真实数据永远是脏的——有缺失值、有异常值、有格式错误。比如这条数据——他指着一行。销售额是负的。不是系统出错了，是那天有一笔退款。如果不处理，模型会被这个负数带偏。
他写了几行代码，把异常值过滤掉。
第二步，特征工程。原始数据不能直接喂给模型。需要从原始数据里提取特征——星期几、是不是节假日、温度是多少、下不下雨。这些特征比原始数据更能帮模型找到规律。
他写了一个特征提取函数，把日期转换成了星期几是否节假日，把天气转换成了温度区间是否下雨。
第三步，模型选择。不是选最复杂的
（本章节未完结，点击下一页翻页继续阅读）
正在加载...