1. 机器学习的定义和相关概念
机器学习之父 Arthur Samuel 对机器学习的定义是：在没有明确设置的情况下，使计算机具有学习能力的研究领域。
国际机器学习大会的创始人之一 Tom Mitchell 对机器学习的定义是：计算机程序从经验 E 中学习，解决某一任务 T，进行某一性能度量 P，通过 P 测定在 T 上的表现因经验 E 而提高。
机器学习是一种从数据生成规则、发现模型，来帮助我们预测、判断、分组和解决问题的技术
利用计算机的运算能力，从大量的数据中发现一个"函数"或"模型"，并通过它来模拟现实世界事物间的关系，从而实现预测、判断等目的
我们做机器学习项目，就是要选定一个算法，然后用数据训练机器，找到一族函数中最适合的那一个，形成模型。
虽然说我们希望机器最终能主动地去预测，但在此之前，机器具体选什么模型、如何训练、怎么调参，我们人类还是要在这个过程中给机器很多指导的
2. 机器学习和传统程序的区别？
- 机器学习： 从已知数据中，通过不断试错、自我优化、自身总结，归纳出规则来。
- 传统程序： 把已知的规则定义好后输入给机器。
3. 场景示例：
你周日约了小李、老王打牌，小李先来了，老王没来。你想打电话叫老王过来。小李说："你别打电话啦，昨天老王喜欢的球队皇马输球了，他的项目在上个礼拜也没成功上线，再加上他儿子期末考试不及格，他肯定没心情来。
-
"这种情况下，你觉得老王会来吗？
-
一般情况下，我们都会觉得老王大概率不会来了。不过，你有想过我们是怎么得出这个结论的吗？
要预测老王的状况，我们就需要建立一个"预测老王会不会来"的函数，而**"皇马输赢"** 、"项目情况" 、"儿子成绩" 都是输入到这个函数的自变量 ，我们设为 x1, x2, x3。这些自变量每一个发生变化，都会影响到函数的结果，也就是因变量 y。