1、从哪开始学?
在本教程中，我们将回到数学和研究统计学，以及如何根据数据集计算重要数字。
我们还将学习如何使用各种Python模块来获得所需的答案。
并且，我们将学习如何根据所学知识制作能够预测结果的函数。
2、数据集(Data Set)
在计算机中，数据集是数据的任何集合。它可以是从数组到完整数据库的任何内容。
数组示例：
[99,86,87,88,111,86,103,87,94,78,77,85,86]
数据库示例：
| 汽车名称 | 颜色 | 年限 | 速度 | AutoPass |
| BMW | red | 5 | 99 | Y |
| Volvo | black | 7 | 86 | Y |
| VW | gray | 8 | 87 | N |
| VW | white | 7 | 88 | Y |
| Ford | white | 2 | 111 | Y |
| VW | white | 17 | 86 | Y |
| Tesla | red | 2 | 103 | Y |
| BMW | black | 9 | 87 | Y |
| Volvo | gray | 4 | 94 | N |
| Ford | white | 11 | 78 | N |
| Toyota | gray | 12 | 77 | N |
| VW | white | 9 | 85 | N |
| Toyota | blue | 6 | 86 | Y |
通过查看数组，我们可以猜测平均值可能约为80或90，并且我们还可以确定最大值和最小值，但是我们还能做什么？
通过查看数据库，我们可以看到最受欢迎的颜色是白色，最古老的汽车是17年，但是如果仅通过查看其他值就可以预测汽车是否具有AutoPass，该怎么办？
那就是机器学习的目的！分析数据并预测结果！
在机器学习中，通常使用非常大的数据集。 在本教程中，我们将尝试使它尽可能容易地理解机器学习的不同概念，并且我们将使用一些易于理解的小型数据集。
3、数据类型(Data Types)
要分析数据，了解我们正在处理的数据类型非常重要。
我们可以将数据类型分为三个主要类别：
- Numerical
- Categorical
- Ordinal
数值数据是数字，可以分为两个数值类别：
- 离散数据
-仅限整数的数字。示例：经过的汽车数量。 - 连续数据
-具有无限值的数字。示例：一件商品的价格或一件商品的大小
分类数据是无法相互度量的值。 示例：颜色值或yes/no值。
序数数据类似于分类数据，但可以相互度量。例如：A优于B的学校成绩，依此类推。
通过了解数据源的数据类型，将能够知道在分析数据时使用哪种技术。
在下一章中，将了解有关统计和分析数据的更多信息。