哪些问题可以使用机器学习解决

研究对象：一个数据集。

输入与输出：
1）因果关系角度：
由于输入与输出具有因果关系，所以数据集中哪些列是因，哪些是果。换句话说，要研究 一个数据集的输入和输出 存在么，是什么。

随机变量：
1）不确定性；
现在桌子上骰子的上面的值。虽然值未知，但已确定，该值不是随机变量。
2）随机性；
正在加热还未沸腾的水，沸腾时的温度。首先该值满足不确定性，但是该值不具有随机性，因为该值是100。所以该值不是随机变量。
不确定性，更像是一种场景约束，一种对所研究问题基本的假设。即便值已知，但也可以假设在值未知的场景下，将该值作为随机变量进行研究。

数据集：
1）采样准确性
如果 有个特征列，采集到的数据总是 =真实值+1。那么虽然数据不准确，但是没有影响，因为待预测样本也是采用“错误”的方式采集，所以在错误的“度量”单位下没问题。
这启示我们，可以对数据集去量纲。
但是只是部分样本（可能是确定规律的）=真实值+1。其他样本不是，那么对于这个特征 整体在模型中，可能得不到更合理的信息。或者说这两种数据分布不同，不属于同一个模型，不是独立同分布产生。
2）数据分布
假设采样不存在失误，或者说样本本身信息是确定事件，那么
训练样本，就是尽量得到一种数据分布，使得，和原有的数据分布相同。这称之为“归纳”。
一方面，