过去，在尝试不同的机器学习算法来解决问题时，我习惯于在笔记本上编写淹没方法集，保留特征、特征预处理、归一化、算法、算法参数等细节……因此，建立一个手写的日志。
但是，目前我担心使用“更专业”的工具，以便我可以保留更多细节，甚至与其他团队成员分享，他们也能够标记他们的方法。
这将是一个很好的自动化和协作工具，可以跟踪完成的工作，考虑以下细节：特性、算法、算法参数、数据预处理、数据、指标……例如协作 Google Drive 电子表格之外。
你是如何解决这个问题的？您如何跟踪已完成的工作？你的日志工具是什么？
非常感谢您提前。
你是如何解决这个问题的？您如何跟踪已完成的工作？你的日志工具是什么？
这可能不是最好的方法。但是，我的团队就是这样做的。我们相信，为了完成一个端到端的数据科学实验，正确的良心是非常重要的。因此，我们在讨论和会议中使用Slack。
除了它们之外，我们还有 Rmd (R markdown) 文件，用于记录规划和分析部分。
看看这个，看起来正是你需要的
你是如何解决这个问题的？您如何跟踪已完成的工作？你的日志工具是什么？
对于我的学士论文( write-math.com )，我编写了自己的小工具包来快速完成不同的模型/预处理步骤。每个实验都有一个配置文件（请参阅hwr-experiments 存储库）。例如：
data-source: feature-files/baseline-3-points
training: '{{nntoolkit}} train --epochs 1000 --learning-rate 0.1 --momentum 0.1 --print-errors --hook=''!detl
test {{testing}},err=testresult_%e.txt'' {{training}} {{validation}}
{{testing}} < {{src_model}} > {{target_model}} 2>> {{target_model}}.log'
model:
type: mlp
topology: 24:500:369
存储训练好的模型；获得评估结果非常快（例如准确性，混淆矩阵）。