Python机器学习入门：从零开始搞AI，顺便拯救一下我的简历

上周五晚上11点半，我还在公司对着一块Flutter页面做性能优化。产品经理刚在群里@我说：“这个加载动画卡顿有点严重啊，能不能丝滑一点？” 我一边回“OK”，一边默默把手机调成勿扰模式——毕竟，这已经是本周第4次深夜debug了。

其实，我本来是个纯正的Android开发，干了三年多，写了无数个Activity和RecyclerView，直到去年公司开始推跨平台战略，我才被迫转战Flutter。说真的，Dart上手比想象中快，但总觉得少了点“技术纵深感”。最近在考虑跳槽，打开招聘网站一看，好家伙：除了要求熟悉Flutter、性能调优，不少岗位还写着“有AI/ML项目经验者优先”。

我？AI？我连sklearn都没装过！

于是，为了不让简历在HR筛简历时直接被扔进回收站，我决定：从零开始学Python机器学习，搞个实战项目出来。而且，最好还能蹭点热点——比如，区块链。

---

为啥是区块链+AI？别笑，真有需求

别误会，我不是要去炒币或者写智能合约。我们公司最近在做一个企业级溯源系统，用Hyperledger Fabric做底层链，记录商品从生产到销售的全流程。但光有链上数据不够，客户还想要“智能预警”：比如某个批次的产品退货率突然飙升，能不能提前预测？

这就轮到机器学习登场了。

我翻了一下内部数据仓库，发现我们有近20万条历史订单+售后记录，字段包括：产品ID、生产日期、工厂编号、物流时间、客户评分、是否退货等。虽然不是ImageNet那种高大上的数据集，但足够真实——毕竟，线上事故可不会等你准备好完美的训练集才发生。

---

从pip install sklearn开始的血泪史

作为一个常年和Gradle、Proguard打交道的移动端开发者，第一次用Python写ML代码时差点被环境配置劝退。

# 我以为：
pip install scikit-learn

# 实际发生：
ERROR: Could not find a version that satisfies the requirement scikit-learn...

后来才知道，得先装numpy、pandas，还得注意Python版本。折腾到凌晨两点，终于跑通了第一个LinearRegression()。那一刻，我仿佛回到了大学写Hello World的感动（虽然现在只想睡觉）。

数据清洗：比处理Android内存泄漏还折磨

原始数据里，有30%的“客户评分”是空的，有些“生产日期”居然是2099-12-31（运维兄弟，求你了，别再用默认值糊弄了）。更离谱的是，同一个产品ID居然对应两个不同的工厂编号——后来查日志发现是某个微服务在双11期间OOM重启，写错了数据。

我用pandas一顿操作：

df = df.dropna(subset=['return_flag'])  # 先把没标签的数据扔了
df = df[df['production_date'] < '2025-01-01']  # 过滤未来日期
df['factory_id'] = df.groupby('product_id')['factory_id'].transform(lambda x: x.mode()[0])  # 用众数填充冲突

说实话，这比我在Flutter里处理setState导致的重复build还头疼。但没办法，Garbage in, garbage out，模型不会替你擦屁股。

---

模型选择：别一上来就Transformer

很多新手（包括我）一开始就想搞深度学习、BERT、GAN……结果连交叉验证都不会做。我冷静下来后，决定从最朴素的模型开始：

模型	训练时间	准确率	AUC	是否适合上线
Logistic Regression	3s	78%	0.82	✅
Random Forest	45s	85%	0.91	✅
XGBoost	60s	86%	0.92	✅
MLP (3层)	120s	83%	0.89	❌

用scikit-learn几行代码就能跑完对比：

from sklearn.ensemble import RandomForestClassifier
from sklearn.linear_model import LogisticRegression
from sklearn.metrics import roc_auc_score

models = {
    "LR": LogisticRegression(),
    "RF": RandomForestClassifier(n_estimators=100),
}

for name, model in models.items():
    model.fit(X_train, y_train)
    pred = model.predict_proba(X_test)[:, 1]
    print(f"{name} AUC: {roc_auc_score(y_test, pred):.3f}")

最后选了XGBoost——不是因为它最强，而是它支持特征重要性分析，能给业务方解释“为什么预测这个批次会出问题”。毕竟，在我们这种ToB场景，可解释性比那1%的准确率提升重要得多。

---

部署上线：从Jupyter到Flask API

模型跑通了，但怎么让后端同学调用？我总不能让他们来我电脑上跑notebook吧。

于是，我用Flask封装了一个简单的API：

from flask import Flask, request, jsonify
import joblib

app = Flask(__name__)
model = joblib.load('xgboost_model.pkl')

@app.route('/predict', methods=['POST'])
def predict():
    data = request.json
    features = [data['days_since_prod'], data['avg_rating'], ...]
    prob = model.predict_proba([features])[0][1]
    return jsonify({'risk_score': float(prob)})

部署时又踩了个坑：本地用Python 3.9训练的模型，在测试服务器（Python 3.8）上加载失败。最后用conda env export > environment.yml统一环境才解决。运维大哥看我的眼神仿佛在说：“又一个不懂环境隔离的前端（？）”。

---

项目效果 & 简历镀金成功

上线两周后，系统成功预警了3个高风险批次，其中2个后续确实出现了集中退货。老板在周会上点名表扬（虽然可能只是客套），但我最开心的是——终于能在简历上写“主导AI驱动的智能预警系统”了。

我把这段经历整理成项目描述：

区块链商品溯源智能预警系统

• 基于20万+链上交易与售后数据，构建XGBoost分类模型，AUC达0.92
• 实现高风险批次自动识别，召回率达81%，减少客户投诉30%
• 使用Flask提供RESTful API，日均调用量5k+，P99延迟<120ms

投了几家目标公司，果然收到了更多面试邀约。有个面试官甚至问我：“你们怎么想到把区块链和ML结合的？” 我心里笑出声——还不是为了简历好看嘛！

---

给同行的一点真心话

如果你和我一样，是个非科班、半路出家想搞AI的移动端开发者，别怕。机器学习没那么玄乎，核心就是：数据 + 模型 + 评估 + 迭代。

我现在的日常还是写Flutter、调性能、和产品经理battle交互细节。但至少，我不再对“AI”两个字发怵了。而且深夜coding时，偶尔也会打开Jupyter Notebook，跑个模型玩玩——就当是给枯燥的CRUD生活加点调味剂。

对了，如果你也在准备跳槽，不妨试试搞个小而美的ML项目。不用多复杂，但一定要真实、可讲、能复现。毕竟，HR可能不懂XGBoost和LightGBM的区别，但面试官一定看得出你是不是真的动手做过。

最后送大家一句我在Stack Overflow上看到的真理：

“All models are wrong, but some are useful.”
—— George Box

咱们代码人，不就是一直在“错误”中寻找“有用”吗？

（完）

注：本文所有代码和数据均为脱敏后简化版，真实项目涉及更多特征工程与AB测试。另外，区块链部分仅作为数据来源，并未使用智能合约或共识算法，别杠。