机器学习萌新，自己的回顾

机器学习回顾，
我就不从机器学习的构建步骤开始讲起了，毕竟有一段时间间隔。我也无法将它讲述详尽，在学习机器学习的时候，它给我最直观的感受是它强大的数据处理以及运用能力。
而这就意味着机器学习的学习者，需要一定的数学敏感度。数据的处理方法有很多，但就我现在而言我会的很少，甚至面对于庞大的数据无所适从。但是，有件事我是想肯定的，人们在训练数据的同时，其实也是在训练自己。
我接触代码时，我认为监督学习和无监督学习的最大差距在于我是否在给数据的时候，给出了一组数据作为验证。第一种就是我们教计算机怎么学习（符合目标），而第二种我们打算让它自己进行学习（寻找目标）。

这里我需要讲的什么是一个算法，既一个算法包括什么，需要什么。大致的模型如下：
这个一个线性回归关于监督学习过程的完整流程，其实就是一个算法的运行方式。右边的公式，h（θ）=θ0+θ|*x 为一个单变量的公式。我们可以看出这是一个笛卡尔坐标系上的图，也可称之为2维。要追求更加准确我们可以增加θ，我们需要考虑的就是h（θ）=θ0+θ1x+θ2…当然，有些时候，单一变量是不能解决问题的。变量在一些场合也可称为特征。一个事物能被确定，离不开特征。我们也可以利用特征去接近一个事物。就像我想要找一个水果，红的、长树上的、果肉脆的、这样它就会无限接近苹果这个选项，但是我只说他是红的，那么就会有许多苹果符合结果了。