本站原创文章，转载请说明来自《老饼讲解-机器学习》www.bbbdata.com

基于《机器学习模型小例》《建模三步骤与模型三要素》的基础上，

我们再来大概地总结和泛谈一下，机器学习相关的问题

     01. 机器学习是做什么的     

机器学习的主要任务是先利用历史数据训练一个模型，
在新样本进来时，可以用模型对新样本进行预测。
流程如下：
 

    02. 机器学习是怎么建模的   

机器学习的建模主要流程有三部分：
👉数据处理
👉模型训练
👉模型评估

整体的完整流程可以很长，
例如数据处理间中可能穿插一些数据探索等，
但由目的驱动，基本可以归结为以下三点：
1.变量分析(获得可靠的入模变量数据)   
2.建模(获得最终用于使用的模型)          
3.模型评估(获得模型的效果评估)          

   03.  学习机器学习主要学什么    

学习重心与工作重心
  个人学习重心与工作重心是两极化的
 个人的学习核心主要是模型的算法、原理。
而实际项目中，80%的时间基本都聚焦在数据准备上，
例如数据收集、清洗、变量衍生和变量分析等
  一句话，个人的学习主要就是学多几个模型

模型的学习重心
 模型的构成主要三大部件
 👉模型       
 👉损失函数
 👉求解算法
 
基本上，要掌握一个模型就需要把上面三样东西弄明白
而使用时，则是了解软件包中使用该模型的方式
百度一下DEMO例子或者上官方看下文档就可以

    模型以外的知识怎么学习   
总学习知识以模型为主，
还有一些其它的辅助性知识，也需要了解
辅助性知识很杂，但一般很简单，
例如之前提到的，用什么指标来评估模型的效果，等等，这类的知识
在接触具体项目、模型时，自然而然就会补齐

 End