1.什么是机器学习

2.

3.为什么要机器学习

（2）

作用：寻找数据之间的隐秘关联，对真值与目标属性进行聚类或者回归

分类：有监督、无监督、半监督；离散型、连续型

有监督：有真值，数据分组：训练与测试，训练所得到的模型在实际测试值的时候会有差错，那么就应该对其进行调整，但本质原因是我们搜集到的数据无法避免的包含其他因素；另外，训练的不理想结果也是有两个：欠拟合与过拟合

欠拟合：显著偏离真实值的模型，——模型需要复杂化

过拟合：与训练数据拟合较好的模型，但不能很好的推广到不可见数据——算法简单化（正则化算法）

（3）

优点：解决非ML算法无法结局的问题，提供非ML算法不具备的优势

重要特征：将模型与数据分离，以适应不同的业务场景或相同的业务案例，但具有不同的上下文

目前：需要一种整体的方法来改进模型，而不是逐利修补模型。因为模型对我们而言是非直观的

，我们难以对模型做出解释或者推理（最先进模型 PesNet）