实现流程：
数据输入->数据基本处理->特征工程->训练->模型评估->新数据输入->预测结果
数据类型：
类型一：特征值+目标值
类型二：只有特征值
一、数据基本处理
达到的标准
二、特征工程
三、机器学习（模型）分类：
监督学习
定义：有目标值
分类：回归问题、分类问题
回归算法：线性回归、岭回归
分类算法：K-近邻算法、贝叶斯分类、决策树与随机森林、逻辑回归、神经网络
无监督学习
定义：意味着输入数据没有被标记，也没有确定的结果(无具体目标值)。样本数据类别未知，需要根据样本间的相似性对样本集进行分类（聚类）试图使类内差距最小化，类间差距最大化。
聚类算法：K-means、PCA降维手段
半监督学习
定义：可以简单理解为一部分数据有目标，而一部分数据无目标。主要使用于监
督学习效果不能满足需求时，就使用半监督学习来增强学习效果。
强化学习
定义：主要用来自动进行决策，并且可以做连续决策。也就是说，整个过程都是一个
动态的，上一步数据的输出是下一步数据的输入。
四、模型评估
定义： 模型评估是模型开发过程不可或缺的一部分。它有助于发现表达数据的最佳模型和所选模型将来工作的性能如何。
模型评估主要是评估模型误差的大小。误差主要分为：
- 经验误差：在训练集上面的误差
- 泛化误差：对未知数据上的误差
保留测试集的方法：
◆ 留出法
◆ K折交叉验证
◆ 自助法
留出法：
每层数据随机抽取N成训练集与随机抽取M成测试集，这样做若干次，重复实验，取平均值
K折交叉验证法：
分十份，每次留一份作为测试集【数据量少时非常有效，数据量大时对算力要求比较高】
自助法：
初始化数据集D，共有10个元素。 D=[1,2,3,4,5,6,7,8,9,10]
训练集D’：从D中随机有放回的抽取10个。比如： D’=[2,2,1,1,5,4,7,8,9,10]
- 会有一些数不一定能够选择到
- 假设一共为m个数，某一个数被选到的概率为1/m
- 该数没有被选到的概率: (1-1/m)
- 一共选了m次，没选到的概率总共为： (1-1/m)**m
- m趋向于无穷的，就会有一个极限值为 1/e=0.368
这样即可保证：
1.原本数据集D、训练集与测试集的样本个数都可一致
2. 初始数据D 中大概会有36.8%的数据没在训练集 D’ 中出现。同理可得，初始数据集D中，约有36.8%的数据没在测试集中出现
自助法适用于：数据集较少、难以有效划分测试机与训练集
缺陷：分布偏差引来的估计偏差。
训练集(训练模型)+测试集(模型评估)+验证集(调参)
性能度量
- 回归问题：
- 分类问题
方案一
错误率与精准率
缺陷：（只能判断 是 与 不是）
数据集{0,1,2,3,4,5,6,7,8,9,10} ->> =5正确的，!=5的时候不正确 ->> 错误率=10/11
方案二
查准率与查全率：
用一个例子说明：
现有模型预测：
100条新闻，60条你真正感兴趣的，40你真正不感兴趣的。
平台推送的结果：预测70条你感兴趣的，预测30条你不感兴趣的
查准率：他推送的广告(预测)有多少比例是你真的感兴趣的
查全率：你真正感兴趣的广告有多少真的被预测成功了
模型评估：
模型评估用于评价训练好的模型的表现效果，其表现效果大致可分为两类：欠拟合、过拟合。
