未记录事实核验 · 状态：新增内容 · 导航

记录仅说明核验时间与维护状态，不保证适用于所有环境；使用前请留意正文中的版本、适用条件与风险提示。

数据科学家

阅读需要登录；免费正文完整开放，pro 正文按有效会员权益判断，目录不会授予或变更账号权益。

按预测、实验与智能系统评估问题选择方法，先定义数据、标签、验证与决策目标，再考虑模型复杂度；平台项目用于评估实践，不冒称已经训练或上线预测模型。

以下关联说明适用目的，不把整个领域视作必学。

相关知识主题

• 02-机器学习基础概念 — 区分带标签预测与其他学习任务，明确分类或回归问题的输入、输出和适用场景。
• 01-指标体系构建（原属性标题：指标体系构建 - 别让一堆数字假装在管理业务） — 把建模或实验目标连接到业务结果与护栏，避免仅优化脱离决策的技术分数。

常见问题与方法

• 06-模型评估指标体系（原属性标题：模型评估指标体系：建立科学的模型性能评价框架） — 评审不平衡标签、误报漏报、时间切分和业务成本的指标选择；示例存在损坏标记、未实现方法及在测试集选阈值等缺陷，须修复并用独立验证/测试集，不能直接运行或引用为真实业绩。

可选学习路线

• 00-统计实验与因果推断学习路径 — 需要估计策略效果时，沿样本量、方差缩减、序贯规则与准实验学习识别和不确定性表达。

项目与案例

• 03-Agent评估与可观测性项目（原属性标题：Agent 评估与可观测性项目） — 已有只读Agent时，设计固定评估集、人工与Judge校准、候选版本配对比较和回归门禁；数据快照、评估器与CI需自行实现，关注质量证据，不把方案视为已训练模型或已上线平台。
• 02-用户流失分析与召回项目 — 作为流失标签、观察窗口和干预评估的问题定义案例；该项目不是一套已交付的机器学习预测模型。

仅新增导航引用，不搬迁或复制原正文；错链、用途与适用条件反馈见 维护与更新说明。