场景-我有没有标签的数据，但是我可以创建一个功能来根据行为为数据添加标签并部署模型，因此我不必继续为数据添加标签。这被认为是机器学习吗？
目标：基于高中低标签对具有交易量峰值的帐户进行分类，以部署在大数据（数万亿行数据）上
数据：我拥有的数据包括以下属性： 帐户，时间，日期，交易量。
方法：
创建一个名为“ spike”的新功能列，并创建一个熊猫函数以标识大于5的峰值。
接下来，我创建我的标签列并将其分类为中低峰值或高峰值。
下一步，我训练机器学习分类器，并将其部署到大数据中以类似模式标记未来的帐户。
对此过程有何想法？这种方法对机器学习正确吗？
答案 0 :(得分：1)
第一个问题： 如果您的算法做出决定，也就是说，根据您拥有的一组样本在标签中放入一个标签，我会说这是一种机器学习算法。但是，如果您设计的代码考虑了您在数据方面的经验，那么我认为这不是ML方法。简而言之，ML会查看数据以从中获取模式和见解。我不知道您为什么要这么做，但是它需要成为ML算法吗？有时，您无需使用ML就可以以非常简单的方式解决问题。
第二个问题：恐怕不是。选择您的数据属性（例如：帐户，时间，日期，交易量），检查它们的相关性，尝试确定您是否具有优势，等等。此过程是ML之前的。特征工程将选择要呈现给我们算法的最佳特征，以便进行分类（在您的情况下）
第三个问题：我认为开始使用ML算法（例如KNN，SVM，NN，决策树等）已经足够公平了。
希望对您有所帮助！ 干杯