记录一下自己学习机器学习的笔记。
今天开始学习《零起点学习Python机器学习快速入门》这本书，基本上前面的90多页都是在讲Python的一些基础语法和机器学习的一些基础概念，所以就快速的浏览过去了。
（元组的概念在这里有一个稍微深一点的理解，就是元组是无法修改的列表）
机器学习重点内容：
机器学习的数据一般有两组，一组是训练数据，一组是验证数据；
机器学习的算法流程：
1、选择模型函数mx_fun，mx_fun是我们自定义的机器学习函数接口；
2、把训练用的特征数据集x_train和对应的特征(结果)数据集y_train，输入模型函数mx_fun.
3、系统内置的机器学习函数，会自动分析特征数据与结果数据之间的关系。这样的一个过程就是机器学习的过程，也是算法建模的过程。
4、通过对训练数据的机器学习和数据分析，系统会生成一个AI机器学习模型，我们将其保存到变量mx。
5、把测试数据x_test输入模型变量mx，mx会调用内置分析函数predict，生成最终的分析结果y_pred.
6、如果是实盘，输入最新的数据，例如今天的股市数据或正在销售的足彩比赛赔率数据，系统会自动生成相关的预测数据，如：每天或未来几天股市走势数据或比赛输赢结果。
自己的理解：这一部分在第一次看的时候有点乱，现在自己手敲了一遍这个描述之后发现自己对这个流程有了一个全新的认识。
用自己的话来说，首先需要有x_train和y_train的训练集，然后将这个训练集拿给模型函数(就比如线性回归函数)，之后使用系统中的机器学习函数，根据训练集的数据和指定的模型函数训练出一个具有特定参数的学习结果，然后就可以拿来测试数据对这个学习好的模型来进行测试了。
这里使用C++中的模板类再来比喻一下，就是模型函数就相当于一个模板类，它是没有实体的也不能创建对象。我们的训练目标是依照这个模板来训练一个实体类出来，训练的依据就是实现确定好的训练数据。
后面的实验代码自己还没有理解，只是照着敲了一遍。但是总结起来就是，基本上全都是调用库，自己的主要工作就是将训练用的数据处理好，然后其他的就直接使用库中的工具就可以实现模型的训练工作。
今天就记到这里吧！
