【总结】机器学习-初步探索总结

通过前面的探索，我们已经对机器学习有一定的了解了，在这基础上，我们对机器学习的一些问题也就清楚了，这节我们就顺着一些问题来总结一下我们对机器学习的认识吧！

一、机器学习-入门初探-总结

好了，下面我们就列举一些新人常见的疑惑，来讨论和总结一下机器学习是什么吧！

问题一： 机器学习是做什么的

机器学习的主要任务是先利用历史数据训练一个模型，在新样本进来时，可以用模型对新样本进行预测：

总的来说，机器学习就是通过模型来对样本的y进行预测，而模型依靠历史数据的训练来确定模型的参数。

问题二： 机器学习是怎么建模的

大家大概都知道了，机器学习中要进行建模，实操上大概就三步：数据处理、模型训练、模型评估。

如果从目的驱动来说，则是如下三步：

1. 变量分析：获得可靠的入模变量数据

2. 建立模型：获得最终用于使用的模型

3. 模型评估：获得模型的效果评估

问题三：机器学习要学什么

好了，机器学习要学些什么呢？其实个人学习重心与工作重心是两极化的：

个人的学习核心主要是模型算法，而实际项目中，80%的时间基本都聚焦在数据准备上，所以就非常的两极化，学的时候就是学多几个模型，而干的时候就是埋头处理数据。

问题四：机器学习要怎么学

我们都知道，学机器学习就是多学几个模型，不过同时也要了解一些其它的建模相关的内容。

对于模型，有：

模型的构成主要三大部件：模型、损失函数和求解算法：

基本上，要掌握一个模型就需要把上面三样东西弄明白，而使用时，则是了解软件包中使用该模型的方式，百度一下或者上官方看下文档就可以。

对于模型以外的内容，有：

总学习知识以模型为主，还有一些其它的辅助性知识，也需要了解，辅助性知识很杂，但一般很简单，例如之前提到的，用什么指标来评估模型的效果，等等，这类的知识，在接触具体项目、模型时，自然而然就会补齐。

结束语

总的来说，机器学习是什么、怎么建模、要学什么、怎么学，我们都已经有了一点初步认识了，然后慢慢的一点一点去积累模型以及相关的内容就可以了，最后再多看一些例子、多动手玩一玩，实践经验就自然会有了。最最最重要的是，大家不要急，一步一步跟着教程来，自然懂的就会越来越多了，如果能时不时自己做点小总结，那就再好不过了。