【摘要】 大家都知道，不管是什么学科都有很多陷阱，由于我们对这一知识的了解不够，就很容易掉进这个坑里，所以说我们一定要加强知识储备。而在机

大家都知道，不管是什么学科都有很多陷阱，由于我们对这一知识的了解不够，就很容易掉进这个坑里，所以说我们一定要加强知识储备。而在机器学习中有很多前辈们总结下来的陷阱，在这篇文章中我们给大家介绍一下机器学习中常见的两个大坑，希望能够帮助的大家尽早脱坑。

首先我们给大家介绍一下第一个坑，那就是系统边界模糊和巨型系统。其实机器学习系统与其他软件系统相比，有一个显著的特点，那就是它是建立在实验性、探索性开发的基础上的。尤其是在初次搭建系统的时候，很难做到在完整设计的指导下开发，而大多是一边探索尝试一边开发，到最后达到上线要求的时候，系统也就随之成型了。不过这样构建出的系统，有个很大的问题，就是很容易做成一个边界模糊、模块耦合、结构复杂的“巨型系统”，这种系统的典型特征包括三点，第一就是模块间不可拆分，样本、特征、训练等步骤都偶合在一起。第二就是很多实验性、探索性代码遍布其中，搞不清楚哪些在用，哪些已失效。第三就是pipeline特别长，其中包括一些可能已经无用的流程。

那么为什么会出现这样的系统呢？重要原因之一就是前面提到过的，机器学习系统的探索式的本质。在刚开始做系统的时候，可能样本处理、特征处理这些都比较简单，所以就都写在了一起。随着各个流程处理的精细化、复杂化，每个步骤都在变复杂，但是由于这种变化是在慢慢发生的，导致系统慢慢变得不可控。

机器学习中第二个坑就是不重视基础数据架构建设，一般来说，数据是机器学习系统的核心，这里面包括各种样本数据，原始特征数据，处理后的特征数据，支撑数据等等，那么提供这些数据的系统和架构也是同样重要的，机器学习系统在构建初期，对待各种数据的态度往往是辅助性质的，认为这些数据只是为了模型服务的原料，而没有把它们本身作为严肃的子系统来对待，所以这些数据的架构往往缺乏设计，大多比较随意，可能会有很多难以复用代码。不过这容易导致出一个严肃而复杂的问题，这个问题不是一两个简单方法就可以解决的，而是需要从数据源开始做仔细的设计，设计时充分考虑数据可能的用法，并留有一定扩展性，保证数据的可用性和可探索性。

在这篇文章中我们给大家介绍了关于机器学习中容易存在的问题，其实这些问题都是值得我们关注的。所以说，我们在学习机器学习的时候一定要注意好这些问题，这样我们才能够更好解决其中的问题。