为什么要有机器学习，机器学习能够做什么

之后将创作多篇与机器学习相关的文章，简单总结机器学习的回归、分类与评估模型的相关内容

1. 机器学习的兴起

计算机能够高效地做大量重复性的工作，能够从数据中学习到数据的特征、模式。

2. 能够机器学习的前提

1. 有足够多的数据。随着各项信息的数字化，不仅数据量大幅增加，数据的种类也大幅增加，在进行机器学习之前首先要有相对于的数据
2. 计算机方面

• 具备收集大量数据的环境
• 具备处理大量数据的环境

3. 机器学习的任务

名称	含义	实例	类型
回归	对连续数据或时间序列数据做预测	由之前的股价折线图对股价今后的走向做预测。但股价的高低通常受多种因素的影响，所以要考虑多个因素的影响	带标签的学习-有监督的学习
分类	识别数据属于哪一类。前提条件是使用带标签的数据预先训练才能用于做分类	（1）垃圾邮件识别（邮件的内容+是否为垃圾邮件的标签）（2）数字图像识别（MNIST数据集）：识别图片上是哪个数字	有监督的学习
聚类	将一些数据按照某种特征聚集到一起	根据学生的考试成绩将学生划分为 理科较好学生 和 文科较好学生	数据不带标签-无监督的学习