回归=值
分类=类
有监督：有标签
无监督：无标签（物类聚，人群分）
what is machine learning?
任务T,合理性能度量方案P,学习经验E,随着大量优质E（梯度下降），性能提高
（设计系统，学习，参数优化，预测问题）
class2
class3
class4
步骤：
- 加载数据（预处理）
- 分割数据
- 建立模型
- 训练模型
- 验证模型
class5 线性回归
class6逻辑回归
逻辑回归:二分类
class8
KNN
- 计算测试样本和所有训练样本的距离
- 为测试样本选择k个与其距离最小的训练样本(K不一定是奇数)
- 统计出k个训练样本中大多数样本所属的分类
- 这个分类为分类数据所属的分类
考点1:学过哪些模型？
预测房价？ 线性回归
分类：KNN，决策树，逻辑回归
（逻辑回归：预测某个类别得1的概率，小于0.5为负，大于0.5为正？）
（KNN：鸳鸯花分类？）
考点2：独热编码变成多少？
类别型特征，如：性别（男、女）
sklearn.preprocessing.OneHotEncoder()
考点3:模型评价指标和模型选择
真正例TP， 假正例FP，真反例TN，假反例FN，
召回率
精确率
FPR
训练集：求参数
测试集：测试模型
网课1.1线性回归
