1.機器學習定義
機器學習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。
通過算法使計算機能夠模擬人類的判別能力。
2.機器學習能幹啥？
模式識別、計算機視覺、數據挖掘、統計學習、語音識別、自然語言處理。
傳統學習：有監督、無監督學習，包括：迴歸、推薦、聚類、分類、挖掘。
人工智能：深度學習、強化學習、遷移學習，包括：神經網絡、卷積神經網絡、AlphaGo。
3.機器學習怎麼用？
輸入數據-》數據預處理-》特徵工程-》機器學習模型訓練-》模型評估-》進行學習或完成離線/在線服務。
4.損失函數
通過模型預測的預測值與真實值之差產生的函數。
5.查全率（召回率）、查準率（正確率）
例子：某池塘有1400條鯉魚，300只蝦，300只鱉。現在以捕鯉魚爲目的。撒一大網，逮着了700條鯉魚，200只蝦，100只鱉。那麼，這些指標分別如下：
查全率=700/1400=50%
查準率=700/（700+200+100）=70%
6.評估參數
MSE：Mean Squared Error
均方誤差是指參數估計值與參數真實值只差平方的期望值。MSE可以評價數據的變化程度，MSE的值越小，說明預測模型描述實驗數據具有更好的精確度。
RMSE
均方根誤差：均方根誤差是均方誤差的算術平方根。
MAE:Mean Absolute Error
平均絕對誤差：平均絕對誤差是絕對誤差的平均值，平均絕對誤差能更好地反映預測值誤差的實際情況。
其中f_i表示預測值，y_i表示真實值。
SD:standard Deviation
標準差：標準差是方差的算術平方根。標準差能反映一個數據集的離散程度。平均數相同的兩組數據，標準差未必相同。
其中u表示平均值（u=1/N(x_1+⋯+x_N)）
7.Spark MLib
分類、聚類、關聯規則、矩陣、向量、優化算法、迴歸、推薦、決策樹等等。