一、机器学习是什么？
机器学习是一门多领域交叉学科，涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。专门研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的性能。
通过算法从模型集里选出一个最贴近观察记录的模型，用来表示我们想要的关系结构，要刻画“贴近”的程度，需要有一个量化标准，我们称之为策略。建立模型好比量体裁衣。
二、机器学习的定义：
(1) 机器学习是一门人工智能的科学,该领域的主要研究对象是人工智能，特别是如何在经验学习中改善具体算法的性能。
(2) 机器学习是对能通过经验自动改进的计算机算法的研究。
(3) 机器学习是用数据或以往的经验,以此优化计算机程序的性能标准。
三、机器学习的应用场景：
模式识别、数据挖掘、统计学习、计算机视觉、语音识别、自然语言处理。
四、机器学习流程：
训练样本 --> 特征抽取 --> 学习函数 --> 预测
五、四种工具：
Numpy：科学计算库
Pandas：数据分析处理库
Matplotlib：数据可视化库
Scikit-learn：机器学习库