什么是机器学习？看完就明白了( 六 ) _数据

特征工程处理过程包括特征的抽象、特征的评估与选择（同一数据可以抽象成多种特征，对多种特征进行评估和选择）、特征的衍生（特征与特征之间进行组合使用）。特征工程是特征业务定义、算法、数据处理综合的应用。
作为产品经理，我们重点说明一下特征的抽象。特征的抽象就是对原数据转换成特征数据的过程。
我们举几个例子来说明一下：比如你收集到的数据值字符型的数据，比如你收集到的数据是“是和否”型的数据，这种数据机器是无法运算的，那么我们可以转换成“0和1”这样讲数据进行特征抽象后就可以机器学习了。
特征工程是机器学习很重要的一环，特征的好坏直接影响了机器学些的结果，对于同一组数据，我们可能用了相同的算法，但是因为特征选择的不同，我们最终得出的质量也会有很大的差别。所以对特征工程有兴趣的可以参考相关其他相关更详细的资料。
4. 模型训练与应用服务
模型训练就是经历了数据准备、数据处理、特征工程之后，根据选择好的算法，进行训练与评估，通过算法训练得到算法模型，通过新数据测试完成模型质量的评估，这款主要工作在算法工程师这里，产品经理重点关注模型在新数据不断注入的情况下是可以反复训练的。
应用服务就是说模型训练好了，如何输出的问题，以及如何快速训练模型、配置模型相关参数的问题，对于模型的应用可以通过API的方式供应用层调用，应用层也可以通过配置页面来配置模型相关参数，比如置信度等。
5. 了解机器学习流程对产品经理意义
通过简单直白的介绍机器学习流程，对我们产品经理有以下意义：
【什么是机器学习？看完就明白了】机器学习过程，不是一个简单的过程，不是说定好了需求，直接交给算法工程师就可以了，产品经理要把握机器学习业务场景抽象；要对原始数据质量、数量有很好的把控；对特征的抽象需要有深入的了解；机器学习的基础是数据、以及数据特征的转换，需要我们对处理的处理过程有更深层次的了解与掌握，需要多学一些数据、统计学、计量学相关知识；机器学习的需求也不仅仅是通过原型、文档就能解决的，需要产品经理与工程师深度的合作，参与到机器学习的过程中。