《图解机器学习》第一章
书不错，语言简单干练并且配图清晰有趣。
机器学习是使用工具和技术的集合，它通过分类的方法（比如某人是否喜欢一部电影）或者定量的预测（比如某人有多高）将数据转换为决策。
分类的方法是用来定性，能预测喜欢或者不喜欢，定性预测时叫做分类问题；定量的方法就是定量喽，能预测具体的数值，定量预测时叫做回归问题。
一、两种机器学习方法
1、定性的分类问题举例，对他人是否喜欢start quest 的油管频道进行预测：
If 你对机器学习感兴趣：
If 你喜欢听有幽默感的歌曲：
那么你喜欢start quest 的油管频道。
有点类似根据相关性来预测。不了解两个事物的因果性，但通过两个事物的相关性已经可以预测另一个事物的发生。机器学习不知道其“为什么”，但是只需要知道它“会怎样”，就有助于预测了。
2、定量的回归问题举例，首先有5个人的身高和体重训练数据，然后需要对一个新人的体重来预测他的身高：
2.1、先把5个人的升高和体重的对应关系拟合为一个身高和体重对应关系的公式。
2.2、根据这个公式，即可输入他的体重来预测他的身高。
第一步有点类似归纳，只是这个是归纳为数学公式。第二步类似演绎，通过公式来推演具体的值。
这里最大的难点就是拟合什么样的公式，这里有很多算法和库。为了评估那个公式好，就可以使用一组已知的真实数据输入，然后得到预测的身高值和真实身高值做对比，差值越小算法和库就越好。实际生产过程中，用多组数据做评估，然后用多组数据的差值相加的总和作为评估算法和库优劣的标准。
预测准确性是评估机器学习方法优劣的标准。
二、数据的分类：
1、离散数据，可数的特定的值。比如鞋子的尺码。
2、连续数据，可测量的，在给定范围内可以取任意值。比如一个人的身高。
当然这个连续数据可以转换为离散数据的，可以把固定长度转换为一个离散点。比如虽然身高是连续数据是吧，但是我们把衣服的尺码设计成 S、M、L、XL、XXL。