盯着训练日志里那条几乎平缓的准确率曲线，你是不是也攥紧了鼠标？机器学习分类项目最折磨人的时刻，不是模型跑不动，而是跑完了却给不出你想要的分数。别急着往模型层里加Dropout或换激活函数——先停手，把数据拉出来看看。

先别急着调参，这几个坑我替你踩了

　　后台经常收到这样的留言：“我用同样的算法，别人准确率93%，我怎么只有71%？” 答案往往不在模型参数里。第一个坑：训练集和测试集的分布不一致。有的朋友可能直接用爬虫扒了一堆图片，随手按七三分，却没检查类别占比——结果测试集里全是模型没见过的那类样本。第二个坑：样本不平衡。比如二分类任务中正样本只占5%，模型学了半天只会猜“负”，准确率看似不低，但一查召回率直接归零。第三个坑：特征选择太随意。把100个原始特征一股脑丢进模型，噪声比信号还强，机器学习分类算法再牛也拉不动这辆破车。

　　别慌。这三个问题都有解法，而且不需要动模型结构。分布不一致？用分层采样拆分数据集，保证每类样本在训练和测试中的比例一致。样本不平衡？先算算正负样本比例，如果超过1:10，考虑过采样或欠采样，或者改用Focal Loss。特征选择困难？先做相关性分析，去掉那些跟标签明明无关的冗余特征。一个朋友曾把用户ID当成特征输入，结果模型记住了每个ID的规律——换个新用户就彻底失灵。这种坑，踩一次就能记一辈子。

换个思路，从数据源头解决问题

　　数据清洗不是没人教，而是太容易被忽略。拿到手的第一件事不是跑代码，而是数一数缺失值、看一看异常值。有的文本分类项目中，几千条样本里混杂着乱码和HTML标签，模型训练时注意力全被那些乱码吸引走了，你说它能分对什么？清洗完后，再做一轮可视化：用t-SNE降维看看样本分布，如果正负样本在空间里完全重叠，那说明特征没选对，赶紧回头重做特征工程。

　　另外，别忘了给特征做归一化。树模型不敏感，但SVM、神经网络这些对尺度极其敏感，一个数值大的特征会直接主导梯度更新。把每个特征拉到[0,1]区间或者标准化到均值为0、方差为1，这步花不了三分钟，但能让机器学习分类模型的收敛速度翻倍。最后，别忘了做交叉验证，用K-Fold而不是单次划分——这样可以避免运气成分，确保你的模型不是恰好捡到了好数据。

　　数据搞定了，模型自然就听话了。别在调参上死磕，先去倒腾数据。