我有一个 ML 语言识别项目 (Python)，需要具有高维特征输入的多类分类模型。
目前，我能做的就是通过反复试验来提高准确性。无意识地结合可用的特征提取算法和可用的 ML 模型，看看我是否幸运。
我想问是否有一个普遍接受的工作流程可以系统地找到机器学习解决方案。
这种想法可能很天真，但我在想是否可以以某种方式可视化这些高维数据和模型的决策边界。希望这个可视化可以帮助我做一些调整。在MATLAB中，训练后，我可以在所有特征中选择任意两个特征，MATLAB将相应地给出决策边界。我可以用 Python 来做这个吗？
此外，我正在寻找一些类型的图表，我可以在演示文稿中使用它们来介绍我的模型和功能。该领域最常用的图表是什么？
特征工程更多的是艺术而不是技术。这可能需要领域知识，或者您可以尝试添加、减去、除法和乘以不同的列以从中提取特征，并检查它是否为模型增加了价值。如果您使用线性回归，那么调整后的 R 平方值必须增加，或者在树模型中，您可以看到特征重要性等。