大家常说的人工智能、机器学习、深度学习其实是包含关系，深度学习是机器学习的一种特殊方法，而机器学习又是人工智能的一个子领域。
其中机器学习是使计算机系统能够通过学习经验和数据来改进性能。机器学习算法能够从数据中发现模式，并使用这些模式来做出预测或做出决策，而不需要明确的编程。
数据集结构：特征值+目标值
根据目标值可以将机器学习分类
目标值：
- 类别——分类问题
- 连续型的数据——回归问题
- 无——无监督学习
机器学习可以分为监督学习和无监督学习两类
- 监督学习（预测）
定义：输入数据是由特征值和目标值所组成，函数输出连续的值（回归），或输出有限个离散值（分类）
分类：K-近邻算法、贝叶斯算法、决策树与随机森林、逻辑回归
回归：线性回归、岭回归 - 无监督学习
定义：输入数据是由输入特征值所组成
聚类K-means
机器学习开发流程
- 获取数据
- 处理数据
- 特征工程
- ML算法训练——模型
- 模型评估
- 应用
