L2机器学习
周期：5–7 周 · 前置要求：L1
这一阶段是整条路线中性价比最高的一段：学完就能解决大量真实业务问题，而且是表格数据上的最优解。
一句反直觉的话
在结构化（表格）数据上，调好的 XGBoost 经常打败复杂的深度网络。跳过 L2 直奔深度学习，是新手最常见的战略失误。
这一阶段要解决什么
| 问题 | 对应章节 |
|---|---|
| 手上是「特征 + 标签」的表格，怎么建模 | 监督学习 |
| 没有标签，怎么从数据里找结构 | 无监督学习 |
| 模型准确率很高，但上线就崩，为什么 | 模型评估 |
| 单模型效果不够，怎么再提升几个点 | 集成学习 |
学习清单（按顺序）
| 顺序 | 章节 | 时长 | 核心收获 |
|---|---|---|---|
| 1 | 监督学习：回归与分类 | 2 周 | 逻辑回归、决策树、KNN、SVM 的直觉与适用场景 |
| 2 | 模型评估 | 1 周 | 交叉验证、混淆矩阵、AUC、数据泄漏识别 |
| 3 | 集成学习与树模型 | 1.5 周 | 随机森林、GBDT、XGBoost/LightGBM 实战 |
| 4 | 无监督学习 | 1 周 | K-Means、层次聚类、PCA、异常检测 |
顺序很重要：评估要放在树模型之前学。否则你会一直在「调参刷分」，而不知道分数为什么虚高。
一页看懂机器学习工作流
① 定义问题（分类/回归/排序？评价指标是什么？）
↓
② 划分数据（train / valid / test，先划再做任何变换！）
↓
③ 探索与特征（EDA → 缺失 → 编码 → 缩放 → 构造）
↓
④ 基线模型（先跑逻辑回归/常数预测，建立下限）
↓
⑤ 迭代（换模型 → 集成 → 调参），每次只看验证集
↓
⑥ 最终评估（只在 test 上跑一次）
↓
⑦ 交付（模型 + 报告 + 监控口径）最容易出错的两步是 ② 和 ③ —— 顺序错了就产生数据泄漏，分数全是假的。
通过标准
里程碑项目
选一个做到底（不要三个都做）：
| 项目 | 类型 | 关键难点 | 交付 |
|---|---|---|---|
| Titanic 生存预测 | 二分类 | 特征构造、缺失处理 | 提交 + 分析报告 |
| House Prices 房价预测 | 回归 | 偏态目标、类别编码 | 提交 + 特征重要性分析 |
| 信用卡欺诈检测 | 极不平衡二分类 | 类别权重、PR 曲线、代价敏感 | 报告（重点是阈值选择） |
报告必须回答三个问题：
- 你的基线是什么？ 提升了多少？
- 哪个特征贡献最大？为什么符合业务直觉？
- 如果上线，你会设什么阈值？代价是多少？
常见卡点
| 卡点 | 真相 |
|---|---|
| 「算法太多学不完」 | 实际常用就 5 个：逻辑回归、树、随机森林、XGBoost、KMeans |
| 「调参能提升分数」 | 特征工程与数据质量的收益通常是调参的 5–10 倍 |
| 「交叉验证分数很高」 | 检查有没有泄漏：目标编码、时间穿越、重复样本 |
| 「类别不平衡就上采样」 | 先换指标（PR-AUC/F1），SMOTE 未必有用 |
| 「深度学习效果更好」 | 表格数据上通常不成立，先试树模型 |