4.3　本章小结

本章讲述了机器学习项目各流程节点：数据分析、数据清洗、特征工程、模型训练、模型验证，并在此基础上，从项目角度将流程进行了横向和纵向的延伸。同时，强调了机器学习工程实践的属性。

4.1节介绍了机器学习的项目流程11小项和相关实现，如取样的脚本等。

4.2节介绍了机器学习算法的8个核心概念，并做了概念的对比讲解，如损失函数和正则化、欠拟合和过拟合和偏差和方差，提到了交叉验证是模型公平评估的统计方法。数据泄露防不胜防，初学者可能一直在错误地建模，甚至一直未发现，我们需要保持审慎和谦卑之心。

总之，在实践中，成功的机器学习项目需要大量的“黑色艺术”和软件工程方法。