上一篇是提到三種不同方式的機器學習，那想知道機器學習的步驟大略可以怎麼去區分呢??

一、 取得數據(花最久的時間）：我們要訓練機器，當然就要有一定的資料量，和我們人類一樣，要學習東西，一開始要準備充足的學習量，這個步驟是最耗費時間的，因為必須要找到適合可用的資料，不然後面的事情很難完成。假如我們要辨別獅子和老虎，就要先準備為數很多的獅子和老虎的照片。然後如果是用監督式學習的方法，就要做特徵的標示，像是獅子的頭周圍有毛圍繞。特徵的標記也很重要，要不斷去尋找可用的特徵，且訓練出來的成效是不錯的。

二、 選擇資料(第二多時間的）：將資料切成訓練/測試，如此一來可以用測試的資料，去驗證訓練後得到的資料是否正確，就好像我們讀書的時候，要考平時考，因為老師教我們的內容，我們要從裡面學習訓練自己，而平時考的考試就是測試用。反而訓練和測試所需時間比前面的資料集尋找還更為快速。

三、 選擇模型(花費較少時間）：不同的演算法有不同的準確度，有很多模型像是決策樹、邏輯迴歸、線性迴歸，不過自己要考慮需求上的準確度、訓練時間以及好不好用。上一篇有提到分類和迴歸就屬於監督式的機器學習。

四、 評估(花費最少）：選擇完模型要評估是否是自己要的，不斷修正，才能獲得最好的答案。

五、 預測推論:訓練完成便能應用來辨識獅子或老虎了。
參考資料:
https://makerpro.cc/2019/05/introduction-to-ai/
https://kknews.cc/zh-tw/tech/v3gklgq.html
https://buzzorange.com/techorange/2017/05/25/which-method-in-ai/
https://notesforai.blogspot.com/2018/05/blog-post.html
https://www.mile.cloud/zh-hant/do-you-really-know-machine-learning/