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
通过本文，让刚接触机器学习的同学，进一步加深对机器学习的整体感性认识
本节在初探的基础上，讨论机器学习是做什么的，以及如何建模
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：
总的来说，机器学习就是通过模型来对样本的y进行预测
而模型依靠历史数据的训练来确定模型的参数
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
机器学习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. 建立模型：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
本节简单讲解一下学习机器学习主要学些什么
学习机器学习主要学什么
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算法，而实际项目中，80%的时间基本都聚焦在数据准备上
简单来说，个人的学习主要就是学多几个模型，实践项目则是处理数据
模型的学习重心
模型的构成主要三大部件：模型、损失函数和求解算法
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
好了，以上就是机器学习入门初探之后的小总结了~
End
