基础术语

1. 特征或属性

    通常的做法是测量所有可测属性，然后挑选出重要部分
   

2. 目标变量

    目标变量是机器学习算法的预测结果。
    训练样本集必须明确知道目标变量的值，以便机器学习算法可以发现特征和目标变量之间的关系。
   

3. 训练集

    使用某个机器学习算法进行分类，首先需要做的是算法训练，即学习如何分类。通常我们为算法输入大量已经分类的数据作为算法的训练集。
    训练集用于训练机器学习算法的数据样本集合。            
   

4. 训练数据和测试数据

    为了测试机器学习算法的效果，通常使用两套独立的样本集：训练数据和测试数据。
    机器学习程序开始运行时，使用训练样本集作为算法的输入。
    训练完成之后输入测试样本。输入测试样本时，并不提供测试样本的目标变量，由程序决定样本属于那个类别。
    比较测试样本预测的目标变量值与实际样本类别之间的差别，就可以得出算法的实际精确度。
   

5. 知识表示

    知识表示可以采用规则集的形式，也可以采用概率分布的形式，甚至可以使训练样本集中的一个实例。
   

6. 监督学习：分类和回归

    分类：主要任务是将实例数据划分到合适的分类中。
    回归：主要用于预测数值型数据。
    之所以称为监督学习，是因为这类算法必须知道预测什么，即目标变量的分类信息。
   

   对应用途：

1. 无监督学习

    无监督学习：数据没有类别信息，也不会给定目标值。
    无监督学习中，将数据集合分成由类似的独享组成的多个类的过程被称为聚类；讲寻找描述数据统计的过程称为密度估计。
   

2. 机器学习的步骤：

    1. 收集数据
    2. 准备输入数据（某些算法要求特征值使用特定的格式）
    3. 分析输入数据 （主要作用是确保数据集中没有垃圾数据）
    4. 训练算法 （将得到的格式化数据输入到算法，从中抽取知识或信息。这里得到的知识需要存储为计算机可以处理的格式，方便后续步骤使用。如果使用无监督学习算法，由于不存在目标变量之，故而不需要训练算法，所有与算法相关的内容都集中在第五步）
    5. 测试算法（为了苹果算法，必须测试算法的工作效果。对于监督学习，必须已知用户评估算法的目标变量值。无监督学习，也必须用其他的评测手段来检验算法的成功率）
    6. 使用算法 （将机器学习算法转换为应用程序，执行实际任务。）
   

3. python语言的特色与优缺点： 略