机器学习相关的基础概念
All models are wrong but some are useful（所有模型都是错误的，但有些是有用的）
机器学习：简言之涉及概率论、统计学、模型算法等，就是说算法解析数据，从中学习，然后对事物做出决定或预测。
数据集：如下图所示我们所看到的数据集合。
特征：如下表中的年龄，奖金等，特征是对样本的描写。
特征向量：事物的特征组成的向量。
标签：因变量Y，即该组数据的结果描述。
属性值：下图示例中的—18，5000等则为属性值。
缺失数据：数据中为空的数据。
样本空间：训练数据中出现的属性值构成的集合空间，也叫属性空间。
假设空间：理论上所有可能的属性值构成的集合空间。
回归：预测连续型变量。
分类：预测分类型变量，且类别已知。
聚类：预测分类型变量，但类别不知。
数据集分为三份
训练集：在机器学习的过程中使用，负责学习模型，训练模型。
验证集：验证模型，调整参数优化模型。
测试集：测试模型，用于判断模型的可用程度。
（备注：也可分为两份，即训练集和测试集，分配比例0.25(0.2) / 0.75(0.2)）。
机器学习的简单框架
监督学习：Supervised learning
同时具有特征（feature）和标签（label），即便是当面对没有标签的数据，机器也可通过特征判断出标签。
简单来记—一定是知道目标变量（即因变量Y）
无监督学习：Unsupervised learning
只有特征，没有标签，不知道数据与特征之间的关系，需要通过学习得到数据与特征之间的联系。
简单来记—数据中肯定没有目标变量（即因变量Y）
半监督学习：Semi-Supervised learning
数据一部分有标签，一部分没有标签。
强化学习：Reinforcement learning
也是使用没有标签的数据，通过奖惩函数得知我们与正确答案距离的远近。
