1、机器学习的核心目标: 从经验数据中推导出规律。“学习”——机器从经验数据中推导并找出规律的过程。“预测”——把规律应用于新数据的过程。“模型”——其中的规律。
2、机器学习处理的问题分为: 监督学习和无监督学习。监督学习又分为分类(离散)与回归(连续)。
3、人的学习过程: (1)选择知识(原始知识); (2)选择学习方法(模型); (3)学习(求参数) 或记忆; (4)运用; (5)评测学习效果; (6)知识保存在脑海中。
4、机器学习的框架 : (1)数据的加载; (2)选择模型; (3)模型的训练(拟合);(4)数据预测; (5)模型的评测; (6)模型的保存。
5、 数据的加载与分割 : 将数据划分为训练集和测试集,划分比例一般为0.75: 0.25。对原始数据进行两个集合的划分,是为了能够选出效果(可以理解为准确率)最好的、泛华能力最佳的模型。