我正在进行一个机器学习语言识别项目（Python），需要一个能够处理高维特征输入的多类别分类模型。

目前，我提高准确率的唯一方法是通过反复试验。我只是盲目地组合可用的特征提取算法和机器学习模型，看看是否能碰运气找到好的结果。

我想问是否存在一种普遍认可的工作流程，能够系统地找到机器学习解决方案。

这个想法可能有点天真，但我一直在想是否可以以某种方式可视化这些高维数据以及我的模型的决策边界。希望这种可视化能帮助我进行一些调优。在MATLAB中，训练后，我可以从所有特征中选择任意两个特征，MATLAB会相应地提供决策边界。我能在Python中做到这一点吗？

此外，我正在寻找一些类型的图表，用于展示中介绍我的模型和特征。该领域中最常用的图表是什么？

回答：

特征工程更多的是一门艺术而非技术。这可能需要领域知识，或者你可以尝试通过加减乘除不同的列来创建特征，并检查这些特征是否能为模型增加价值。如果你使用的是线性回归，那么调整后的R平方值必须增加，或者在树模型中，你可以查看特征的重要性等。