yjs01——机器学习的过程
ps：换了阿婆主重新看机器学习
机器学习的过程：
1.获取数据——2.数据基本处理——>3.特征工程——>4.机器学习（模型训练）—>模型评估
·获取数据：
1.专有名词：
1.样本：一行数据是一个样本
2.特征：一列数据是一个特征
3.标签值/目标值（参考答案）
4.特征值（你的答案）
2.数据类型:
1.特征值+目标值（带标签的）
2.只有特征值（不带标签的）
3.数据分割：
数据一部分用来训练、构建模型（刷题）——>训练集
另一部分用来评估模型（考试） ——>测试集
·数据基本处理：
对数据进行缺失值、异常值去除等处理
·特征工程：
简单理解：将 数据 转换成 机器 更容易识别的工具
内容：
特征提取：将任意数据，包括文本、图像等转换成可用于机器学习的数字特征（转成二进制矩阵之类的）
特征预处理：通过一些转换函数，将特征数据转换成更加适合模型算法的特征数据的过程（将数据映射到某个范围之间，让他们有相同的量纲）
特征降维：在限定条件下，降低随机变量个数，得到一组不相关的主变量的过程
·机器学习（见后）
·模型评估（见后）