机器学习百度百科：专门研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的性能。
原理:
- 机器学习是统计学习不是个案学习
- 大数定律：当试验次数越多，事件出现的频率无限接近于该事件出现的概率
- 建模：数据少，先验；数据多，后验
三个核心要素：
- 假设空间： 线性假设
- 优化目标 （实际值-预测值）平方的加和
- 寻解算法 （求解微分方程）
学习案例：
- 根据观察，设定Y=ax+b (a，b为参数，x为输入，y为输出)
-
设定优化目标了loss
image.png
y是实际值，y`是预测值，不同参数会产生不同的loss
- 求loss的最小值 loss=f(w) 微分方程或者梯度下降
- 取得最优解，验证结论
大数据的价值：
1.细分（准确） 2.分类的数据量（置信）
数据 模型 业务 需求
