机器学习类型（按学习方式分）：监督学习、半监督学习、无监督学习、强化学习；

通过已知标签训练集训练模型，使用模型及逆行预测、测试；

 向量表示法，其中每一维对应一个特征(feature)或者称为属性，记为[x1,x2,...,xn]

特征值、特征、标签，共同完成训练集的数据填充，最后辅以训练样例；

不同量纲的数据则需要进行去量纲，分为区间缩放和标准化；

 特征值缺失：可以分为删除数据和插补数据；

删除数据：按行、成对删除、删除变量；

插补数据：时间序列问题（无趋势、有趋势、季节性数据/均值、中位数、众数、随机插补、线性插值、季节性调整）、一般性问题（分类数据、连续数据/回归）；

构建模型，确定要找的是哪类规律（函数形式）或者说假设空间，比如线性函数；随后确定策略，从众多可能的规律中选出最好的选择标准，