一、什么是机器学习
即我们提供数据集，然后计算机根据一定的算法帮我们构建一个模型，相当于一个学习过程，之后输入新的数据，
模型返回给我们一定的数据
二、机器学习种类的划分
1.监督学习
即既有输入变量又有输出变量
如果输出变量为离散型我们一般称为分类问题
如果输出变量为连续型我们一般称为回归问题
2.无监督学习
只有输入变量，没有输出变量
常见的两种应用：聚类和降维
在不知道类别的情况下是聚类问题，类别已知则为分类问题
3.强化学习
“通过不断与环境的交互和试错的过程，最终完成特定目的或使得整体行动收益最大化。”
这个还没实际应用不太清楚
三、模型评估指标
以下概念需要稍微记一下，毕竟好多的机器学习输出的参数都与这些有关
1.回归问题的评估指标
SSE：误差平方和 Sum of Squares due to Error
RMSE：均方根误差 Root Mean Square Error
MSE：均方误差 Mean Square Error
MAE：平均绝对误差 Mean Absolute Error
MAPE：平均绝对百分比误差 Mean Absolute Percentage Error
SMAPE：对称平均绝对百分比误差 Symmetric Mean Absolute Percentage Error
2.分类问题的指标
首先需要定义正类和负类
一般我们将那些更加关注的事件定义为正类事件
当然不是绝对的，不过经验来说是那些更不容易发生的定义为正类
TP：True Positive 将正类预测成正类的数量
FN：False Negative 将正类预测成负类的数量
FP：False Positive 将负类预测成正类的数量
TN：True Negative 将负类预测成负类的数量
分类准确率：Accuracy 正确分类的样本数与总样本数之比
查全率或召回率：Recall 在实际为正类的样本中的预测准确的比例
查准率或精确率：Precision 在预测为正确的样本中预测准确的比例
通常来讲二者具有一定的负相关关系
F1分数：F1 Score
F1分数是查全率与查准率的调和平均数
越接近1越好
ROC曲线和AUC
通常只要了解ROC曲线越靠近左上角越好
而更严格的定义应该是以数值进行体现，AUC表示曲线下方的面积越接近1越好
一般来讲小于0.5说明模型不能用，大于0.85说明模型还可以
四、模型的泛化能力
指模型的扩展性，对于未知数据展现的预测效果
如果对于训练数据预测的很好，然而对于未知数据的预测效果不好，此时模型的泛化能力较差
五、训练数据的方法
1.留出法
为了验证模型的泛化能力，一般将数据分为训练集和测试集
训练集用于训练模型，测试集用于验证模型的泛化能力
比例根据实际情况进行确定
划分需要随机，同时也要保证数据分布的一致性
即采取分层抽样的方法，按照一定的比例划分到训练集和测试集
2.交叉验证
一种比较常见的就是k折交叉验证
将样本随机划分成k个互斥子集
然后用k-1个子集训练数据，剩下的那个子集进行测试数据
这样可以获取k组验证结果，然后利用k次结果进行综合判断
六、如何选择一个好的模型
综合利用以上指标对于模型的泛化能力进行一个评估，当然在评估的过程中不可避免
的要进行调整一些参数，选择好模型和参数之后，对于之前用于测试的数据可以重新加入测试集
进行测试，增加模型的可靠性
七、欠拟合与过拟合的概念
欠拟合就是信息利用的不够充分
过拟合就是信息利用的过头了
以下来自知乎的段子，帮助理解
欠拟合："你太天真了"
过拟合："你想太多了"
