机器学习的逻辑展开

我们知道机器学习的核心是利用广泛的数据，通过一定的算法进行训练，通过训练的结果对没有发生的事情尽情预测，即数据分为两种：历史数据和新的数据。

针对历史数据，我们需要对其赋予一定的算法，使得数据能够根据相应的算法进行预测。

预测的结果取决于我们的算法公式和数据量的大小。

算法是通过大量数据进行模型训练来得到的最优解，来取得最符合变化规律的数据参数。

整理来说的话：

机器学习的一般流程可以简单概括归纳为：

数据 → 算法 → 模型

Data → Algorithm → Model

比如：

我们会接受到大量的数据：（x，y）

通过这些历史数据进行模型训练得到其基本算法和最优解：y=ax+b；

模型即是 （a，b）；

最终我们可以把新的数带入到： y=ax+b，得到预测的Y值。

像大数据一样，机器学习的核心是数据，掌握了更多的数据也就是掌握了机器算法的核心。

所以机器学习对于数学的学习能力和逻辑推理能力是有要求的。

有兴趣的小伙伴欢迎一起交流学习。

这里是燃爆数据猿，每天进步一点点。

谢谢。