一、機器學習(Machine Learning, ML)是一門多領域交叉學科，涉及概率論、統計學、逼近論、凸分析、算法複雜度理論等多門學科。專門研究計算機怎樣模擬或實現人類的學習行爲，以獲取新的知識或技能，重新組織已有的知識結構使之不斷改善自身的性能。
簡而言之，機器學習就是通過一系列變種的數據公式，通過大量的數據推導，得出的接近於滿足數據點的一個公式（f(x) = w1x1 + w2x2^2 + w3x3^3 + ...），然後需要推測的新數據，通過該公式來得出預測的結果。
記住上面這個圖，他是後續選擇算法的規則，也是核心。
二、scikit-learn(簡記sklearn)，是用python實現的機器學習算法庫。sklearn可以實現數據預處理、分類、迴歸、降維、模型選擇等常用的機器學習算法。sklearn是基於NumPy, matplotlib,而形成的。SciPy
scikit-learn的強大主要是它提供了很多算法庫，以及數據處理的方式，學習scikit-learn很大程度上可以瞭解機器學習的實現、訓練、預測過程。
三、在開始scikit-learn之前，我們先了解機器學習的流程：
1、原始數據：原始數據可以是很多種形式（比如：圖片，json，文本，table等），這些數據可以通過pandas來加載成一個二維數組的數據。也可以通過numpy的方式生成數據。
數據來源一般通過kaggle官方獲取，地址：https://www.kaggle.com/
2、數據處理：得到原始數據過後，我們需要對數據進行處理（比如：數據分割（訓練集、測試集），構造特徵（比如：時間（年份一樣，月份、天構造新的特徵）），刪除特徵（沒有用的，但是存在影響的特徵）等）
3、特徵工程：在數據進行處理過後，我們不能盲目的使用該數據（比如：文本數據，數值差異過大的數據），這個時候就要轉換數據（轉換器）。轉換器：字典特徵、文本特徵、tf_idf（數據出現頻次）、歸一化、標準化、降維等，然後得出提取特徵後的矩陣數據。
4、算法模型：（核心）主要分爲監督學習和無監督學習。機器學習的核心就是算法模型。
監督學習：有特徵值，目標值（有標準答案）。常有算法爲分類算法（離散型（具體的分類標準））、迴歸算法（連續型（預測值））
無監督學習：只有特徵值。常有算法爲聚類。
模型：數據在訓練集和測試集上面，反覆的訓練過後，會得出最接近滿足所有數據點的公式也稱爲模型，這個也是後續用於其他業務數據用於分類或者預測的基礎。
5、算法評估：分類模型：一般是通過準確率、精準率、召回率、混淆矩陣、AUC來確認模型的準確度，迴歸模型：一般是通過均方誤差的方式來確認準確度。
四、通過第三點的大致介紹，基本可以瞭解機器學習需要掌握的知識量還是不小的。特別是很多概念，需要自己去理解。下面主要是講具體的過程和部分原理。（注意：算法是核心會放到最後講）
（3）Python之特徵工程-3