【学而不思则罔，思而不学则殆】
9.28

1.确定问题定义

确定要解决的问题是一个什么类型，在算法中有没有一个专业的任务名定义它，确定了问题类型就明确了问题解决方向。
有时候我们要解决的问题可能有多种解决问题的角度，此时可能就会对应多个任务类型。
举例：
实体抽取是知识图谱中的一个任务，可以将其视为序列标注任务，也可以将其视为一个阅读理解任务。
有时候待解决的问题可以作为一个复杂的任务，也可以拆分为多个子任务
举例：
实体抽取即可以作为一个完整的任务，也可以拆分为实体边界识别和实体类别分类两个子任务；知识抽取可以作为一个实体-关系联合抽取任务，也可以拆分为实体抽取和关系抽取两个任务。

可以将自己的问题在网上进行搜索，以确定问题定义，最好是找到与场景无关的，更基础的问题定义。
举例：
要做一个文本的情感分类任务，按情感分类任务去查资料可以，但是更建议按文本分类任务去查资料更好，能够获取到更多的模型解决方案。

2.调研baseline模型

确定了问题定义，就去收集它的强baseline模型。多看看网上的资源，比如按“文本分类 baseline”进行查找，在知乎，CSDN，github上都能找到一些资料，多看几篇后，差不多就会有一个初步的认知，至少能获取到一些经典热门的baseline，若想获取到更新更强的baseline模型，则需要查看论文或paperwithcode进行查找。
以文本分类任务为例，通过查资料，会发现fasttext和bert被谈及很多，都可以作为baseline，当有多个模型可供选择时，怎么选？
一种是按照先简后繁的原则，优先选择轻量级的，能快速跑起来看到效果的；一种是按照选新不选旧的原则，即不要选择过时的baseline，选择比较新的。
先用简单模型跑通baseline是非常明智的决定，一方面确定基准，另一方面建立信心。而不是一来就考虑用最牛最复杂的模型，这会花费更多成本。‌

3.模型优化

‌无论是简单的模型还是复杂的模型，都需要优化，且约简单的模型对调参的技巧要求越高，再优化时同样采用先简后繁原则进行模型优化，优先对模型进行调参以提高模型性能，这是一种低成本优化。
当调参后性能无法提升时，则考虑从数据量和模型复杂度连个方面进行高成本优化。

4.增加数据

在模型优化过程中，先用小数据集进行验证，然后不断扩充数据（可以的话），在达到一定数据量后发现性能瓶颈时，再考虑更换模型。
数据决定了算法的上限，当给定的样本数据数量都比较多时，简单如fasttext，也能获得和bert类模型差不多的效果。

5.魔改或更换模型

除了数据，对模型也可以进行适当的修改以更匹配自己的业务场景，比如修改损失函数，修改模型对结构等，当然，这个对技能要求比较高，需要非常了解用的模型和任务特点。
除此外，还可以考虑换模型，比如将bert-base换成roberta，Albert，ERNIE等改进的模型。

6.小结

如何选择合适的算法模型？
确定问题类型，找到强baseline模型，从简到易优化模型，先增数据，后改模型。