classical-ml-standards

将经典（非深度学习）机器学习应用于表格数据，作为一种工程实践。在决定是否需要模型，而不是使用 SQL 查询、业务规则或启发式方法时使用；采用 train_test_split、StratifiedKFold、GroupKFold、TimeSeriesSplit 或嵌套交叉验证进行数据划分；排查因在整个数据集上拟合缩放器、目标编码列、ID 列或未来时间戳而导致的数据泄露；构建 scikit-learn Pipeline 和 ColumnTransformer，确保预处理步骤在每一折中独立拟合；使用 xgboost、lightgbm、catboost、HistGradientBoostingClassifier 训练梯度提升模型，或使用 statsmodels 建立线性/逻辑回归基线模型；选择评估指标如 accuracy_score、roc_auc_score、average_precision_score、precision_recall_curve、f1_score、confusion_matrix；通过 CalibratedClassifierCV、brier_score_loss 或可靠性图对概率进行校准；将决策阈值的选取视为产品决策；使用 imbalanced-learn 的 SMOTE 进行过采样，并考虑其校准成本；通过 feature_importances_、permutation_importance、shap 或部分依赖图进行模型解释；或对时间序列采用前向滚动验证进行回测。

存档时间线

版本索引永久保留；内容副本只保留最新 1 份，更早版本仅留索引与哈希（存档时间线的证据链不会因此断裂）。

下载存档内容副本