机器学习

1. 获取数据集
2. 数据基本处理 (数据清洗)
   1. 缩小数据集范围
   2. 选取有用特征
   3. 确定特征值和目标值
   4. 分割数据集
3. 特征工程 - 标准化处理 特征预处理
4. 机器学习
5. 模型评估 - k-近邻预测

数据分割
训练集 中与测试集 数据不要有相同
分成采样
留出法

• 留一法 小数据集

交叉验证法

• 分为10份 9份测试 1份验证

自助法

K-近邻算法
线性回归
逻辑回归
决策树算法
集成学习