1、什么是机器学习

• 机器学习是人工智能的一个分支；
• 机器学习是实现人工智能的一个途径（即以机器学习为手段解决人工智能中的问题）;
• 机器学习算法是一类从数据中自动分析获得规律（模型），并利用规律对未知数据进行预测的算法。

2、为什么需要机器学习

• 21世纪机器学习又一次被人们关注，而这些关注的背后是因为整个环境的改变，我们的数据量越来越多，硬件越来越强悍；
• 急需要解放人的生产力，自动去寻找数据的规律，去解决更多专业领域的问题；
• 机器学习的应用领域：数据挖掘、计算机视觉、自然语言处理、生物特征识别、搜索引擎、医学诊断、检测信用卡欺诈、证券市场分析、DNA序列测序、语音和手写识别、战略游戏和机器人等

3、开发机器学习应用程序的步骤

（1）收集数据

• 制作网络爬虫从网站上抽取数据；
• 从RSS反馈或者API中得到信息；
• 设备发送过来的实测数据。

（2）准备输入数据

• 得到数据之后，必须确保数据格式符合要求。

（3）分析输入数据

• 这一步的主要作用是确保数据集中没有垃圾数据，如果是使用信任的数据来源，可以直接跳过这个步骤。

（4）训练算法

• 机器学习算法从这一步才真正开始学习；
• 如果使用无监督学习算法，由于不存在目标变量值，故而也不需要训练算法，所有与算法相关的内容在第（5）步。

（5）测试算法

• 这一步将实际使用第（4）步机器学习得到的知识信息。当然在这也需要评估结果的准确率，然后根据需要重新训练你的算法。

（6）使用算法

• 转化为应用程序，执行实际任务，以检验上述步骤是否可以在实际环境中正常工作；
• 如果碰到新的数据问题，同样需要重复执行上述的步骤。

4、Scikit-learn机器学习库

• Python语言的机器学习工具，开源、商业可用 - BSD许可；
• 所有人都适用，可在不同的上下文中重用；
• 自2007年发布以来，scikit-learn已经成为最给力的Python机器学习库（library）了；
• Scikit-learn支持的机器学习算法包括分类，回归，降维和聚类。还有一些特征提取（extracting features）、数据处理（processing data）和模型评估（evaluating models）的模块；
• 作为Scipy库的扩展，scikit-learn也是建立在Python的NumPy和matplotlib库基础之上，NumPy可以让Python支持大量多维矩阵数据的高效操作，matplotlib提供了可视化工具，SciPy带有许多科学计算的模型；
• Scikit-learn包括许多知名的机器学习算法的实现，包括LIBSVM（支持向量机）和LIBLINEAR（线性）。还封装了其他的Python库，如自然语言处理的NLTK库。另外，scikit-learn内置了大量数据集，允许开发者集中于算法设计，节省获取和整理数据集的时间。