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”——将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,监督学习又可分为分类(离散)与回归(连续)。
3、人学习的一般过程: (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)模型预测;
(5)模型的评测; (6)模型的保存。
5、数据的加载和分割: 将数据按 3:1 的比例划分为训练集和测试集,这样的划分是为了能够选出效果(可以理解为准确率)最好的、泛化能力最佳的模型。
6、数据加载的例子: