day01 机器学习基础内容介绍

前言

机器学习入门的第一天！

• 理解核心概念：掌握机器学习的基本定义、原理与分类。
• 构建知识框架：了解从数据收集到模型预测的完整工作流程。
• 激发学习兴趣：认识机器学习在解决实际问题中的巨大潜力与实际应用。

一、什么是机器学习

利用数学公式总结出数据中的规律。

二、机器学习的步骤

简易步骤流程图：

1.收集数据

收集数据数据量越大，最终训练的结果越准确。

2.建立数学模型训练

建立数学模型训练针对不同的数据类型需要选择合适的数学模型。

3. 预测

预测使用训练好的模型对新数据进行预测。

三、为什么要学机器学习？

(1)信息爆炸时代，数据量太大，人工已经无法处理
(2)重复性的工作交给电脑来做。
(3)潜在一些信息之间的关联人类不容易直接发现。
(4)机器学习确实有效的解决很多问题。
(5)机器学习应用领域非常广泛。例如麻醉医生
(6)…
机器学习的应用：垃圾邮件识别、推荐系统等

四、需要准备的库

numpy
scipy
matplotlib
pandas
sklearn

总结

通过今天的学习，我们初步建立了对机器学习的整体认知：

核心要点回顾：

1. 机器学习本质：利用数学工具从数据中自动发现规律与模式。
2. 标准流程：遵循“收集数据 → 建立模型训练 → 预测应用”的三步法。
3. 学习价值：应对海量数据处理、自动化重复任务、挖掘深层关联，广泛应用于各行各业。
4. 工具准备：熟悉 NumPy、SciPy、Matplotlib、Pandas 等基础科学计算与可视化库。