一邊要上課一邊還要寫這個不容易!

整個machine learning分成三個步驟
Data pre-processing
這部分包含資料匯入、去除雜值(讓資料比較標準化、或把空值補齊)，以及將資料分為訓練組 (training set)及驗證組(test set)，最後簡單介紹了資料標準化的做法(feature scaling)

modeling
包含建立模型、訓練模型、以及使用模型做預測

Evaluation
這塊就是要算預測的成效如何，會用一些指標計算出對應的分數，並用這些分數來評估模型的適切度(適切度越高當然就越適合拿來做預測囉)
講者大概簡單帶過，我看了一下後面的章節，幾乎每個modeling的方法(例如regression,SVM)都有解釋如何評估效度。

Data pre-processing

依我觀察，CSV 這種檔案格式似乎是最受machine learning 喜好的格式，畢竟資料處理是欄位式的儲存。講者也使用CSV 檔案作為demo資料的格式。

分割資料

匯入資料後，接著要將資料分為訓練組及驗證組。一般是會把八成的資料拿來當成訓練組，兩成當成驗證組。資料裏頭可能包含多種內容，課程是用顧客的國家、年齡、年收、是否買車這四種資料來做案例，透過國家、年齡、年收來預測是否買車。講者的資料超級少，差不多20筆吧，不過他說對目前的案例就非常夠了，但我想真實需要幾筆可能還是要看使用的模型跟分析的情境。

Feature Scaling

不確定中文翻譯，也不想用'特徵縮放'這種看不懂的翻譯，所以保留原詞。Feature scaling 是種資料處理方式，讓不同特性的資料可以一起做運算及比較。例如年收跟年齡本身是兩種不同特性的資料。而Feature scaling也能夠讓我們能進行比較有效的分類，例如以下有三種人

小紫比較接近小藍還是小紅呢? 以年齡的角度來說，小紫比較接進小藍，但以收入來說，小紫比較接近小紅。這兩者本身又很難比較，我們無法把蘋果跟橘子一起進行評比。也因此、必須要用Feature scaling，讓不同的資料能放在同一種比較標準。以下有兩個方式

-Normalization
公式自己看XD 就是將變數減掉最小值再除以最大最小值差，處理過後的數值會介於0與1之間。

-Standardization
將變數減掉平均值除以標準差，處理過後的數值會介於-3與3之間。

我們再把剛剛的藍紫紅案例做Normalization，則會變成以下數值

小紫跟小藍的差距是0.56+0.25, 而跟小紅的差距是0.44+0.75，也因此小紫跟小藍比較相近。
Day3 則是進行實作囉~