数据挖掘中的机器学习

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。