特征工程数据集的提取

一、机器学习初识

特征工程：属于数据分析的一部分，机器学习的基础。

机器学习：选择合适的算法，从数据中学习并建立模型，对新的数据进行预测的计算及科学。

核心：算法（程序逻辑）、数据、模型。应用场景：比如垃圾邮件，短信的智能拦截。

机器学习适用：

1. 对不存在已知算法解决方案的复杂问题的探索；
2. 需要大量手动调整或规则处理的大型数据；

二、机器学习中的基础概念

1. 标签：提供给算法包含所需要的解决方案的训练数据； 

2. 特征：属性加上值；

3. 回归任务：通过给定的特征来预测一个目标数据；

4. 训练集：用于训练模型的数据集；

5. 测试集：用于测试模型精度的数据；

6. 每一条数据是一个样本（x），样本对应的结果叫标签（y）；

7. 过拟合：在训练集表现的好，测试集不好，反之，为欠离合。

模型训练就是通过训练数据找到算法最合适的参数。

三、训练集和测试集数据的采集