02.12：监督学习中的回归问题

今天首先淘汰了过去的书。我自己之前低估了什么是机器学习，或者说由于其知识不足压根不了解什么叫机器学习所以也搞不清自己想搞清什么。就像开始学前后端时一样。现在知道了前后端的原理，至于其中的html，js，还是python的各种后端框架，还是云的部署，还是前端框架，这都是一些细分的点，而我只需要知道整体框架就行了。所以，刚开始弄机器学习就有点二张摸不着头脑。

后来看了《Python机器学习经典实例》这本书，简单抄了一个监督学习的回归问题。就是给定一堆x，y值，预测出一条直线来，这样就可以根据x值来预测y值了。而机器学习就是根据某种数学计算方法来拟合这条直线。多项式就是拟合曲线了。

然后学习了对于已经输入参数的不同importance的探究，借此筛出冗余特征的方法。这就是第一章。

我自己之前的笼统了解来说机器学习和深度学习的区别，比如风暴预测。如果是机器学习就是人找到一些相关特征，比如温度、湿度、风速后，将带有这些数据特征已经打好标签的数据输入模型，来让机器建立一个这些特征间的组合后的结果，再进行判断。

但是，这样的认识还是过于粗浅了，我还是想花点时间去进行更加深入的学习，以此换得更加深入的了解。不要着急得出正确的结论，还有时间，慢慢来，今天先到这里。