机器学习是让计算机像人一样能从数据中学习出规则的科学，其本质是经过数学方式来处理指令型程序不能处理的问题

无论你运用哪个类型的机器学习模型，大体都需要阅历“建模”、”练习”（找到最合适的参数）、“验证”、“测验”、“使用“几个阶段，且其间练习到测验可能会阅历好几轮反复，这种进程跟一个婴儿认识世界、学习知识到使用知识的进程相似。

机器学习算法与模型举例

对机器学习概念有了开始的认知，咱们平常常听到的算法与机器学习又是什么联系？

前面咱们说过机器学习是让计算机像人一样能从数据中学习出规则的科学，其本质是经过数学方式来处理指令型程序不能处理的问题。

这儿咱们先来抛出几个概念，然后经过实际的例子来认识这几个概念。首先，”模型“能够简略了解为把实际问题笼统成数学问题的函数，而”算法“则是求解这个函数的计算方法，接下来咱们用一个简略的事例来加深了解。

一元线性回归

咱们假定房子的价格与面积存在必定联系，现在给计算机一组房子价格与面积的数据，让计算机经过学习找到这个联系，以便下次咱们给定一个房子面积时计算机能猜测出房子的价格。

假定房子的面积为自变量x，价格为因变量y，咱们将这些面积与价格（x,y）数据还原到一个直角坐标系傍边大致能够呈现出以下的状况。

能够看出这些点的整体趋势趋向一条直线，假定存在这样一条直线，使得坐标上的每个点到这条直线的间隔之和都能最小，那是不是就能够根据面积做房子价格的猜测了？

中学时学过的一元线性方程就能描述出这条直线，即y=f(x)=wx+b，而每个点到这条直线的间隔之和的函数便是✍