【机器学习与Python实践·一】概述：机器学习到底是在干什么？

1.1问题导向框架

实际问题： 目的是什么？有什么数据？希望得到什么结论？
模型/方法： 现有可用的一些方法工具箱，其中可以分为三大类（监督学习、无监督学习、强化学习）
解决方案： 生成一份分析报告或者是某个分析处理数据的软件、

建模过程： 实际问题和需求转化为能用数学和统计语言描述的问题，并从模型集方法集中找到合适求解该问题的方法
实现过程： 编程实现，具体到某个实际状况的处理方法

⚠️垃圾邮件识别和量化交易投资这两件事有着很大的不同：
1、垃圾邮件识别中：实际问题是根据电子邮件信息（标题、内容、发送者）识别垃圾邮件并过滤垃圾邮件，模型/方法 可以使用监督学习（比如SVM、回归等），解决方案是在电子邮件中嵌入一个小程序，建模过程包括特征的生成、选取、模型选择和评估。

2、量化交易：实际问题是根据资本市场的历史信息（股价、财报等）判断未来一段时间的走势，给出交易信号或者投资组合策略从而获得稳定的正收益，模型/方法 可以使用监督学习或者强化