1.特征选择主要方法，过滤式，嵌入式，包裹式 PCA主成分分析法，消减回归分析或者聚类分析中特征的数量 机器学习学习思想： 学会分析问题，学会用这些算法解决问题 机器学习算法分类： 监督学习：有特征值+目标值（***） 分类：离散型 回归：连续型 非监督学习：特征值 1000个样本
及建立模型：1.根据数据类型划分模型种类，原始数据 明确问题做什么 2.数据的基本处理：pd去处理数据（缺失值，合并表，，，） 3.特征工程（对特征进行处理）（重要） 分类： 回归： 4.找到合适算法去预测 5.模型的评估，判定效果
