python机器学习（一）——机器学习的含义以及数据集的构成

本文内容根据黑马程序员3天快速入门python机器学习所写，详情点击链接，可观看相关视频

1.什么是机器学习

机器学习是从数据中自动分析获得模型，并利用模型对未知数据进行预测。

例如我们人从大量的日常经验中归纳规律，当面临新的问题的时候，就可以利用以往总结的规律去分析现实状况，采取最佳策略。

从数据（大量的猫和狗的图片）中自动分析获得模型（辨别猫和狗的规律），从而使机器拥有识别猫和狗的能力。

从数据（房屋的各种信息）中自动分析获得模型（判断房屋价格的规律），从而使机器拥有预测房屋价格的能力。

从历史数据当中获得规律？那这些历史数据应该采用怎样的格式？

2.数据集的构成

数据集 = 特征值+目标值

（例如下图数据集的特征值为房子面积、房子位置、房子楼层、房子朝向这三列）

	房子面积	房子位置	房子楼层	房子朝向	目标值
数据1	80	9	3	0	80
数据2	100	9	5	1	120
数据3	80	10	3	0	100

注：对于每一行数据我们可以称之为样本

       有些数据集可以没有目标值

而如上文的分析猫狗的模型，里面数据集的特征值为：猫/狗的图片。特征值为：猫/狗的类型