機器學習：從數據中自動分析獲得模型，利用模型對未知數據進行預測
，
機器學習工作流程
1、獲取數據
2、數據基本處理
3、特徵工程
4、模型訓練
5、模型評估
(1)結果達到要求，上線服務
(2)沒有達到要求，重新開始
機器學習流程各個步驟解釋
1、獲取數據
1、數據集中一行數據稱爲樣本，一列數據稱爲一個特徵。
2、數據類型：特徵值+目標值或者只有特徵值沒有目標值
3、數據分割：機器學習一般數據集分爲兩部分：訓練數據和測試數據
訓練數據：用於訓練，構建模型
測試數據：模型檢驗時使用，用於評估模型
4、劃分比例：訓練集80%，測試集20%
2、數據基本處理
數據缺失值或者異常值的處理
3、特徵工程
特徵提取：將任意數據(文本或圖像)轉爲可用於機器學習的特徵數據的過程。
特徵預處理：通過轉換函數將特徵數據轉爲更加適合算法模型的特徵數據過程。
特徵降維：降低隨機變量個數。比如三維降爲二維
4、模型訓練
選擇合適的算法進行模型訓練
5、模型評估
對訓練好的數據進行評估
