近日，软件架构师、数据科学家、Kaggle 大师 Agnis Liukis 撰写了一篇文章，他在文中谈了谈在机器学习中最常见的一些初学者错误的解决方案，以确保初学者了解并避免它们。

1、在需要的地方没有使用数据归一化（data normalization）

2、认为特征越多越好

3. 在需要外推的情况下，使用基于树的模型

4、在不需要的地方使用数据归一化

5. 在训练集和验证集 / 测试集之间泄漏信息

原文链接：

https://towardsdatascience.com/5-typical-beginner-mistakes-in-machine-learning-3544bd4109b