这个过程会导致数据泄露。分裂需要更早发生。在拆分之前对数据进行规范化意味着您的训练数据包含有关您的测试数据的信息。我会在您的流程图中将拆分放在 3. 处。

我认为您错过的一个常见步骤是估算缺失值。我会把它放在特征工程之前。

总的来说，我认为这是一个很好的粗略大纲，适合初学者遵循。它过于简单化并且遗漏了很多内容，但我想你知道这一点，你必须从某个地方开始。

是的，这些是基本步骤。然后在每一步都有更多。如果你想更深入一点，可以阅读机器学习工程的 Andriy Burkov 的这本书

在您的过程中有几点注意事项：

在获取我将放置的数据之前，定义要解决的问题或类似的东西，但也许这个部分是被授予的。

特征工程是 ML 中最重要的事情之一，所以可能花更多的时间在那里会有所帮助。

归一化数据主要有助于线性模型，决策树模型几乎没有影响。

Integer/Label Encoding 不是特别好，有 Target Encoding 和 Weight of Evidence encoding 更好的东西，看看。

12 后“选择得分最高的模型”。也许添加“创建模型集合”并尝试进一步提高准确性。

对于初学者来说，这是一个很好的例程吗？

是的，非常好。

您可以添加：

• K-fold 交叉验证（“将训练拆分为训练和测试数据”）
• “选择几个型号”之前的功能选择。