学习机器学习时，最先写下的不是模型名称，而是：对谁，在什么时候，利用当时能够获得的信息，预测什么结果？

把问题写成可检查的约定

以“预测门店下周的商品销量”为例：

“是否缺货”则需要另行定义标签、预测时点和判定规则，不能只把销量的列名改掉，就声称完成了另一个任务。

三个容易误解的地方

1. 标签在训练时通常是已知的。 未知的是未来待预测样本的结果，而不是说训练数据不能包含答案。
2. 不是任何已知列都能作为特征。 下周结束后才得到的退货总额，即使出现在同一张表里，也不能用于周初预测。
3. 规则程序和学习模型不是互相排斥的。 规则适合明确的约束；模型用于估计数据中的关系。模型仍由算法、目标函数和训练过程驱动，并不是脱离程序“自己想明白”。

对于必须预测未来的任务，还要让验证过程模拟未来：不要把未来记录随机混进训练集，再把这个分数当成真实上线效果。相同对象的重复记录也应检查是否跨越了训练和测试边界。

我的练习

拿到一个表格，先不训练模型，完成以下四项：

• 写出一行记录代表什么，以及它的预测时刻。
• 为每一列注明最早能够获得它的时间。
• 列出一个不使用机器学习也能实现的基线。
• 说明为什么当前划分方式接近真实使用情境。

如果这四项说不清楚，更复杂的模型也不会让评估变得可信。数据泄漏会使分数过于乐观，测试集不能参与模型和流程的选择。参见 scikit-learn 的常见陷阱说明。

课程对应与整理边界

对应疏锦行《机器学习 26 考/保研基础班》的“认识机器学习”讲义及视频章节“5认识机器学习”。本文是围绕预测时刻重新组织的学习笔记，不是课件复刻或逐字稿；视频口头补充尚未完整核验。

原课程 · 对应视频章节