官方文件：http://scikit-learn.org/stable/#

input--模型-output

資料分析是為了發現規則

資料分析--資料探勘和機器學習，演算法相同

推薦系統

語音識別--科大訊飛，百度壟斷，比較成熟，自然語言的分支

機器視覺--卷積神經網路，影象識別，圖片搜尋，目標檢測（無人駕駛）

NLP--聊天機器人，機器翻譯，金融，與情分析

自動駕駛

垃圾郵件

自然語言？？

監督學習：輸入和輸出之間有一定的關係，模型和標準是可靠的

無監督：聚類，分成幾個類，評估和標準不可靠，有點問題

強化學習：aphago象棋程式

離散型、類別型

每列：特徵(變數)==資料庫的欄位

每行：樣本/樣例

訓練集-訓練模型

測試集--評估模型

模型引數的訓練

探索性分析

熱力圖 seaborn模組

幾百萬資料不算大？一般有多少資料？

交叉驗證：多次測試取平均值，基本3-5次

魯棒性：強壯性，抗噪能力

一般將整個資料集分成測試集和訓練集

標準化：去均值和標準差

fit訓練

transform轉化

fit_transform訓練加轉化

score評估：R^2的得分

梯度下降GD，隨機梯度下降SGD，隨機梯度下降用的更多，每一次拿一個樣本，可以跳坑，缺點：造成震盪，迭代次數增加，達不到收斂，一般指小批量的隨機梯度下降mini_batch

收斂：無限接近

rigde優化所化，svd作為引數