如前所言，假設 y是結果(如股票價格) , x是變數(如進料成本,薪資成本......等) , 以機器學習方法找出y與x的關係, y=f(x), 如此可預測未來。

根據機器學習的目的，如何準確地預測或辨識，可分為以下三步驟

第一步 Data 收集數據：Clean / Prepare / Manipulate Data
第二步 Features 找出關鍵特徵
第二步 Training 訓練並驗證,找出最佳結果

例如

• 在現有手中的資料Data中,找X / Y對應

  • 特徵 (Feature)：⽤來描述每⼀筆資料，通常會⽤ X 來表⽰ 。
  • 標記 (label)：⽤來表⽰每⼀筆資料所對應的輸出，這個輸出樣式可以有不同的狀態(可能是類別或者實數值等)，通常會⽤ Y。
  • 機器學習(Training)就是利⽤歷史資料(Data)找出⼀個函數 。
    f : X →Y

• 若應⽤於辨識動物, 我們期待
  輸入X: 就會知道輸出(辨識)時 f(X) = 貓的圖片(Y)

• 若應⽤於語⾳辨識, 我們期待
  輸入X: 就會知道輸出(辨識)時f(X) = ⼤家好 (Y)

• 可應⽤於預測明天天氣如何
  

• 可應⽤於辨識交通工具
  

• 可應⽤於辨識spam mail
  

第一步　Data 收集數據

收集數據是一件不容易卻是關鍵的第一件事情，很不幸的，收集數據是一件很浪費時間的事情，有時候收集數據也是一件反反覆覆的事情，收集不好可能需要再從來，因為

• 資料總是被糟蹋
• 資料一定不乾淨
• 資料永遠不完整
• 資料必然不前瞻

所以收集數據的"人"或稱"專家"(domain know-how)很重要，必須對目的很了解，知道哪邊可以收集數據，能夠整理成乾淨的數據，給下一步順利地進行，否則容易失敗，預測錯誤，甚至有時候必須要再回來收集數據，重頭再來一次。

註:本文是搜尋數個網站及各種不同來源之結果,著重在學習,有些內容已難辦別出處,我會儘可能列入出處,若有疏忽或出處不可考,請聯絡我, 我會列入, 尚請見諒。