08｜关于机器学习，你需要了解的基本概念（一）

1. 机器学习是让计算机利用数据来“学习”如何完成任务，通过分析和学习数据来自我改进及作出决策，与传统编程不同，不需要明确地告诉计算机每一步怎么做。 2. 机器学习的应用范围广泛，从简单的任务（如预测房价）到复杂的任务（如自动驾驶汽车、语言翻译等），都有机器学习技术的身影。 3. 深度学习是机器学习的重要分支，主要以深度神经网络为主，通过多层神经元组成的结构模拟人的大脑结构，能够学习不同级别的特征，具有强大的学习能力。 4. 机器学习过程包括10个步骤，从问题定义到模型上线及运维，涵盖了问题定义、数据收集、数据预处理等关键步骤。 5. 数据是机器学习的基础，需要收集足够多、质量好的数据，能够代表解决的问题，数据可以通过公开数据集、公司内部数据、网络爬虫等方式获取。 6. 数据预处理是将原始数据转换成更适合机器学习算法处理的格式，包括处理缺失值、异常值、数据标准化、特征选择等步骤。 7. 分割数据、选择模型、训练模型、评估模型、参数调优和模型优化、部署模型、监控和维护是机器学习过程中的关键步骤。 8. 线性回归是一种预测分析技术，用于研究两个或多个变量之间的关系，逻辑回归主要用于处理分类问题，尤其是二分类问题。 9. 了解机器学习的基本概念是理解机器学习过程的基础，包括让计算机利用数据来“学习”如何完成任务，以及深度学习等重要分支的基本原理。