系列文章目录
未完待续......
目录
前言
tips：这里只是总结，不是教程哈。
此处以下所有内容均为暂定，因为我还没找到一个好的，让小白（我自己）也能容易理解（更系统、嗯应该是宏观）的讲解顺序与方式。
第一文主要简述了一下机器学习大致有哪些东西（当然远远不止这些），对大体框架有了一定了解。接着我们根据机器学习的流程一步步来学习吧，掐掉其他不太用得上我们的步骤，精练起来就4步（数据预处理，特征工程，训练模型，模型评估），其中训练模型则是我们的重头戏，基本上所有算法也都是这一步，so，这个最后写，先把其他三个讲了，然后，在结合这三步来进行算法的学习，兴许会好点（个人拙见）。
一、概述
还是先拿出咱们的老朋友，机器学习的流程图。
咱们这主要将数据预处理，而要进行机器学习首先需要数据，然后才能对数据进行预处理。
实际一点讲：数据清理、数据集成、数据变换、数据规约都是数据预处理的主要步骤，但是这四个没有严格意义上的先后顺序，在实际应用时并非全部会被使用（可能一个也不用，比如后面我们直接调用官方的iris包，但在实际自己获得的数据集中就会有各种各样的问题，视情况而定）
二、数据获取
获取数据途径多种多样，（括号内为废话：按理来讲，当今世界数据就是财富，一般而言别人的数据是不可能透露给你的，如果你和我一样还是个学生，可能可以从老师那里拿到数据），我们学习一般使用的是公开的数据集，如下为sklearn数据集
（iris为例）
python
from sklearn.datasets import load_iris
data = load_iris()这样就获取到一个数据集了，但是我们还不知道这个数据集的其他性质，所以
python
print(data.DESCR) # 三、【数据清洗】
四、【数据集成】
获取数据途径多种多样
五、【数据变换】
获取数据途径多种多样
六、【数据归约】
获取数据途径多种多样
七、数据拆分
数据拆分：机器学习的数据集划分一般分为两个部分：
训练数据：用于训练，构建模型。一般占70%-80%（数据量越大，取得比例最好越大）
测试数据：用于模型评估，检验模型是否有效。一般占20%-30%
1、近似值
该处使用的url网络请求的数据。
2、内容
该处使用的url网络请求的数据。
3、思维方式
该处使用的url网络请求的数据。
4、根本课题
该处使用的url网络请求的数据。
1.1、嗡嗡嗡
嗡嗡嗡
1.2、十五万
嗡嗡嗡