问题定义 → 数据收集 → 数据清洗/特征工程 → 模型选择 → 模型训练/调优 → 模型评估 → 模型部署/监控。
2. 测试视角：ML测试需要关注数据质量、模型过拟合/欠拟合、训练/推理一致性、模型漂移。