主要内容：
1.机器学习的概念，定义
！！！数据，模型
2.机器学习的应用领域
生活，工业，军事
网站 waitbutwhy.com
书籍 《数学之美》
3.机器学习问题的分类
监督学习
分类 classification
回归 regression
非监督学习
聚类 clustering
PCA
区别在于数据有无标记
4.机器学习解决问题的一般步骤
（1）数据采集和标记
目前这一步不需处理，学习阶段一般从网上找数据集，验证算法。
（2）数据清洗
让数据具备结构化特征，看《利用python进行数据分析》学习pandas
（3）特征选择
1）人眼观察数据结构，手动分析，效率低，正确率也不高，主要靠经验积累
2）利用：PCA等算法，降维
（4）模型选择
根据数据集的大小，数据集有无标记，对具体的分析，直接比对各种算法的结果
（5）模型训练和测试
训练数据集和测试数据集
交叉验证
（6）模型性能评估和优化
训练时长，准确性，应用场景的性能要求
（7）模型使用
将训练好的模型固化，不需要每次都训练模型。每次训练模型耗时，且每次模型参数会有变化，固化较好的模型，多次使用。