1、机器学习的核心目标: 从经验数据中推导出规律。 “学习”——机器从经验数据中推导并找出规律的过程；“预测”——将规律应用于新数据的过程； “模型”——其中的规律。
2、机器学习处理的问题分为监督学习和无监督学习，监督学习又可分为分类（离散)与回归（连续）。
3、人学习的一般过程: （1）选择知识（原始知识）； （2）选择学习方法（模型）； （3）学习（求参数)或记忆； （4）运用； （5）评测学习效果； （6）知识保存在脑海中。
4、机器学习的框架: （1）数据的加载； （2）选择模型； （3）模型的训练（拟合）；（4）模型预测；
（5）模型的评测； （6）模型的保存。
5、数据的加载和分割: 将数据按 3:1 的比例划分为训练集和测试集，这样的划分是为了能够选出效果（可以理解为准确率）最好的、泛化能力最佳的模型。
6、数据加载的例子: 
