文 / STEM Career 编辑部
“我训练了一个模型，准确率达到百分之九十多。”这句话提供了一个结果，却没有说明结果是否可信。面试官可能继续问：预测发生在什么时候，输入当时是否可用，怎样切分，为什么选这个指标，以及不用模型会怎样。
一个项目讲解需要把问题、数据、实验和限制连接起来。模型分数是证据的一部分，无法替代这些判断。下面用原创分类场景演示准备方法，数字仅用于教学，不代表真实模型或客户成果。
先说预测时点与使用目的
设想预测一笔模拟订单是否会在后续取消，预测发生在创建时。可以使用的信息必须在这个时点存在；取消后的客服处理、最终退款和结果状态，就不能作为当时的输入。
讲项目时先说明谁使用预测、什么时候使用、准备采取什么动作。若没有实际业务使用，也应说明这是离线练习，不要补出一个并未存在的运营团队或上线效果。
时点决定标签和特征，也影响评估。没有时点说明，听众很难判断某个字段是合法输入还是结果泄漏。比起先讲模型结构，先用一句话定义任务更有帮助。
数据泄漏需要查信息来源
scikit-learn的常见问题说明解释，使用预测时不可获得的信息，或让测试数据影响模型选择，都可能带来过于乐观的评估。它也说明预处理需要在正确的数据范围里学习。
在取消预测中，最终退款字段是明显风险；同一用户或订单的重复记录落入不同集合，也可能让评估缺少独立性。具体是否构成问题，需要结合任务和样本单位判断，不能只检查列名。
做一张特征来源表，记录字段产生时点、系统来源与处理方式。如果无法说明某字段何时产生，就先核对，不用它带来的高分证明模型有效。
切分应服务真正要检验的问题
随机切分适合哪些情况，需要看任务；预测未来表现时，时间顺序尤其值得研究；同一实体有多条记录时，也要考虑按实体分组，避免相近记录被同时放进训练和评估。
不能把某种切分方式称为所有项目的唯一正确答案。你要解释的是为什么当前方案能回答目标问题，以及它还有哪些限制。比较未来订单时，过去和未来的数据分布变化也需要注意。
训练、验证和测试各承担不同作用。用测试集反复选择参数或阈值，会让它参与开发，不能继续当作完全独立检验。项目讲解中应准确说明这些操作，而非只报一个切分比例。
先准备一个基线
基线可以是简单规则或更简单模型，具体选择与任务有关。它帮助判断复杂模型是否提供额外价值，也能暴露指标容易产生错觉的情况。
原创案例中有100条模拟记录，10条最终取消，90条未取消。若总预测未取消，准确率已经是90%，但找不到任何取消订单。这个基线说明“九成正确”并不足以判断取消识别任务完成。
你可以在同一切分和评价条件下比较基线与模型，不能给基线更差输入，或用不同样本夸大提升。报告比较条件，比只展示最高分更能说明实验可靠性。
用混淆矩阵解释分类结果
假设一个教学结果：100条记录中，模型正确识别6条取消，漏掉4条取消，把3条未取消误报为取消，正确判断87条未取消。总量为100，实际取消仍为10。
| 实际情况 | 预测取消 | 预测未取消 |
|---|---|---|
| 实际取消 | 6 | 4 |
| 实际未取消 | 3 | 87 |
按这些设定，准确率为93%，精确率为6除以9，约66.7%，召回率为6除以10，即60%。这组数字可直接复算，说明模型总共判对93条，但仍漏掉四成实际取消。
Google的分类指标说明提供相应概念与定义。选择哪项指标作为重点，需要联系具体使用目的，而不是让某个最高数字替代任务判断。
阈值选择需要联系错误代价
降低判为取消的门槛，可能找到更多实际取消，也可能增加误报；提高门槛则可能相反。这里描述的是需要观察的取舍，实际结果要在当前数据和模型上检查，不能保证每次变化都符合简单比例。
如果后续动作是发送一次提醒，误报与漏报的代价可能不同于停止订单。学生可以使用明确标记的教学假设比较方案，但不能凭自己的偏好决定真实业务代价。
阈值在开发过程中选择，应保留选择标准与使用的数据。不能在看到测试结果后挑最好门槛，再把同一结果称为独立测试。说明为什么选择，比报告更多小数位重要。
预处理与训练需要保持范围清楚
缺失值填充、标准化和特征选择等操作，若从数据学习信息，就要说明在哪个集合学习、怎样应用到其他集合。不是所有变换都会泄漏，关键在于是否使用了不应参与的信息。
把处理顺序画成简单流程：原始资料、切分、训练侧学习变换、模型、评估。这样可以检查每一步，而不是只在代码末尾调用一个评价函数。工具提供的Pipeline能帮助组织步骤，但不能替你决定合法输入和切分单位。
真实项目可能有不同复杂度。教学作品先把基础流程说清，限制说明哪些环节尚未覆盖。不把工具名当成“已经完全防止泄漏”的保证。
错误分析要从样本回到任务
选几条误报和漏报，观察是否集中在特定输入、时间或缺失情况。你可以提出假设，但应继续验证，不把看过几个样本的直觉当成所有错误的原因。
取消案例里，某类用户信息缺失可能影响判断，也可能只是巧合。先统计样本与比较条件，再研究输入产生方式。不要为了让模型看起来合理，只挑最容易解释的错误。
保留一个失败例子用于面试。说明你如何发现问题、怎样缩小原因、修改后验证什么。能够讨论失败，通常比让项目叙述始终只有正向进展更真实。
上线需要检查哪些额外条件
离线评估完成后，输入是否按时到达、格式是否一致、模型怎样调用、失败如何处理和结果怎样被使用，都可能影响实际服务。一个本地接口能返回结果，不等于完整上线已经完成。
数据与模型版本要可关联，避免新输入仍经过旧处理。服务延迟、运行资源和监测也应说明测试条件。没有实际运行资料时，可以提出验证计划，不把计划写成已获得的生产指标。
如果系统表现变化，需区分输入变化、业务变化与实现问题。学生可以先用固定模拟样本检查版本一致性，再说明真实部署还需要哪些资料和专业判断。
一个课程项目的讲解改写
原讲法是：“使用某模型，准确率93%，效果很好。”它遗漏了任务与比较条件，可能让人以为已经证明业务价值。
更清楚的讲法是：“在创建时预测模拟订单后续取消，使用当时可用字段。按预先定义的切分评估，与总预测未取消的90%准确率基线比较，当前教学结果准确率93%、召回率60%。误报与漏报仍需根据使用动作评估，项目尚未上线。”
改写不是追求更长，而是让关键判断可检查。实际项目还需填自己的数据、实验与结果，不能把这组教学数字复制成个人成绩。
项目追问表怎样准备
| 问题 | 应准备的证据 | 常见缺口 |
|---|---|---|
| 预测何时发生 | 任务与特征时点 | 使用结果之后的字段 |
| 怎样切分 | 样本与实体关系 | 相近记录跨集合 |
| 为什么选模型 | 基线与比较条件 | 只选最高分 |
| 指标有什么意义 | 数量和错误代价 | 只报告准确率 |
| 改进是否可靠 | 独立检验与错误分析 | 反复使用测试集 |
每一项写一两句回答，再找到可展示记录。表不是固定企业题库，而是帮助检查项目逻辑。正式面试题目和允许资料仍以邀请为准。
不同岗位需要不同展示重点
研究方向可突出假设与实验控制；机器学习工程可突出数据流程、版本和运行；应用或分析方向则可突出任务、结果解释和使用限制。事实保持一致，按职责选择开头和深度。
研究背景学生可参考博士转工业界指南，把贡献讲成岗位能力；需要业务解释时，可结合数据分析面试指南，说明指标与行动关系。
团队项目应写明本人负责的数据、模型或评估部分。能解释全局有价值，却不能把其他人的实验和实现全部写成独立贡献。
标签产生时间也需要解释
取消结果可能在订单创建后某个时间才确定。若一部分订单尚未经过完整观察期，就不能简单把暂时未取消写成最终未取消。先定义标签窗口，再决定哪些样本能进入当前实验。
在教学练习里，可以规定每条记录都经过同样长度的观察期，并明确这是简化假设。真实资料需要看结果何时稳定、是否仍会更新，以及怎样处理尚未确定的状态。
这个问题与特征时点相互对应：输入在预测时可用，结果在之后按规则生成。两边日期都清楚，听众才能判断任务是否被正确定义。只有一张模型分数表，无法说明这些条件。
如果后来修改标签定义，重新检查样本、切分与指标，不能只更新说明却保留原先数字。标签不是静态名称，它决定模型究竟在学习哪一个问题。
一页实验记录怎样支持结果复查
记录数据版本、样本单位、切分方法、特征范围、基线、评价指标及主要配置。无需把所有日志塞进简历，但应在项目资料里找到这些信息，便于解释不同结果为何变化。
每次实验写一个明确问题，例如新特征是否提高指定条件下的识别，而不是同时修改数据、模型和阈值后只保存最高分。多项变化一起发生时，应说明无法将提升归因于其中一项。
把用于开发的结果与最后独立检查分开命名。反复挑选测试表现会改变它的作用，不能在讲解时隐去选择过程。报告真实流程，往往更能展示对实验可靠性的理解。
如果样本少或结果波动，保留各次观察并限定结论，不从一个最好结果推导稳定优势。下一步可以提出补样本或进一步检查，但不要将尚未实施的计划写成已经确认。
最后请同学按记录复查一组数量和指标，观察能否得到同样解释。这个练习检验的是结果是否可理解，不要求他重做完整训练；记录不足时，先补关键条件。
每张结果表旁保留实际数量，尤其是某类样本很少时。百分比相同可能对应很不同的样本基础，一次漏判也可能改变较大比例。讲解时同时说明数量和观察范围，避免小数位的精确感让听众误以为结论已经稳定。
用一次模拟追问检查准备
请同学每次只改变一个条件，例如取消比例变化、预测时点提前、同一用户多条记录，观察原方案是否仍合理。回答不知道时，说明需要检查什么，而不是马上选择另一个复杂模型。
整理完后，项目应有一句清楚任务、一份特征与切分说明、一组可复算结果和一页限制。它们组成可解释证据，不需要先把演示做成大型系统。
如果已有机器学习项目却常在追问中卡住，可以带着实验记录与目标岗位向蒸汽教育咨询。先定位数据、评估或表达的具体缺口，再安排专项准备。
常见问题（FAQ）
准确率很高就能说明模型好用吗
不能单独判断。需看类别分布、基线、错误代价、切分与数据条件，必要时同时报告精确率和召回率等指标。
先对全部数据做预处理再切分有问题吗
如果预处理从全部数据学习参数，可能把测试信息引入训练。应先定义切分，再只在训练数据上学习相关变换。
没有真正上线的项目还能讲吗
可以。准确说明离线实验范围、已验证内容与未来上线需要检查的条件，不把本地接口或演示称为完整生产服务。
- scikit-learn Common pitfalls and recommended practices· scikit-learn
- Google分类评估指标说明· Google for Developers
先了解目标市场的服务内容，也可以添加顾问微信咨询求职准备。