赋予计算机学习能力而不需要明确编程的研究领域。

黑马程序员同学就业薪资表样本(sample) ：一行数据就是一个样本；多个样本组成数据集；有时一条样本被叫成一条记录特征(feature) ：一列数据一个特征，有时也被称为属性标签/目标(label/target) ：模型要预测的那一列数据。本场景是就业薪资就业薪资 与 培训学科、作业考试、学历、工作经验、工作地点 5个特征有关系特征如何理解（重点）：特征是从数据中抽取出来的，对结果预测有用的信息

归一化：（当前值 - 最小值）/（最大值 - 最小值）特征预处理包括：归一化、标准化（掌握）

有监督学习：输入数据是由输入特征值和目标值所组成，即输入的训练数据有标签的。无监督学习：输入数据没有被标记，即样本数据类别未知，没有标签，根据样本间的相似性，对样本集聚类，以发现事物内部结构及相互关系。工作原理：1、让专家标注少量数据，利用已经标记的数据（也就是带有类标签）训练出一个模型2、再利用该模型去套用未标记的数据3、通过询问领域专家分类结果与模型分类结果做对比，从而对模型做

Tip：在整个建模流程中，数据基本处理、特征工程一般是耗时、耗精力最多的。

1、拟合：用在机器学习领域，用来表示模型对样本点的拟合情况。2、欠拟合：模型在训练集上表现很差、在测试集表现也很差。3、过拟合：模型在训练集上表现很好、在测试集表现很差。

1、简单高效的数据挖掘和数据分析工具2、可供大家使用，可在各种环境中重复使用3、建立在NumPy，SciPy和matplotlib上4、开源，可商业使用-获取BSD许可证安装方法： pip install scikit-learn官网： https://scikit-learn.org/stable/

K-近邻算法（K Nearest Neighbor，简称KNN）。比如：根据你的“邻居”来推断出你的类别KNN算法思想：如果一个样本在特征空间中的 k 个最相似（通过距离判断）的样本中的大多数属于某一个类别，则该样本也属于这个类别。

1、torch.ones 和 torch.ones_like 创建全1张量2、torch.zeros 和 torch.zeros_like 创建全0张量3、torch.full 和 torch.full_like 创建全为指定值张量。

【代码】10.PyTorch_元素类型转换。