4.1.11　模型重训或重建

做好了上述几步，我们还要做好持续迭代的准备。机器学习模型往往是一个迭代的过程，模型可能按天、按月或按年迭代。这有助于我们对机器学习这一系统工程有更长远的设计和考量，而不只是做一次性工作，例如上线框架的设计要考虑到上线的便捷化、数据处理的工具化、模型版本的规范归档等。

模型重训和重建有时是一个意思，重建更注重系统更大的变化。一般情况下模型效果变得较差时需要考虑模型的重建工作：

1）模型运行时间较长，时效性较差，模型效果较差。

2）特征迁移很明显。

3）有新的数据或特征可用。

4）改进模型效果。