初识机器学习

1.监督学习，即有输入、有输出的数据集学习一个模型，再次给类似数据集的输入，得到对应的输出，用于预测连续值和离散值

2.无监督学习，即有输入，但是无输出的数据集，从某种衡量角度关注数据集的数据分布结构学习出模型，用于分类

3.强化学习，对于之前的所有输出带有回报奖励函数去影响下一次输入的学习

互属性：监督学习有分类和回归；无监督学习有分类；回归有无监督学习，分类有监督和无监督学习；

选择大于努力性：最佳实践操作决定

范围性：图表只是数学的一小部分，而数据表示可以表示N维度

机器学习：使计算机从海量的数据中提取到某种规律，即学习的过程，之后模型用去做人能做的事，即从外界看上去智能

作图：可用不同的符号表示结果，也可用相同的符号和一个输出轴表示不同的结果，关键在于表示结果的区分

数据的拟合线必须尽量包揽正确的数据多点