有了机器学习，然后将其输入计算机，这样你就得到了一个程序，也就是所谓的机器学习模型。所以它有点颠倒，而且效果非常好。机器学习主要有两种类型：
你已经进行了监督，也就是你给模型输入了标记的训练数据，
然后是无监督，即你向程序输入数据并让其在数据点之间创建集群或关联。
监督学习更为常见。你会看到诸如分类、线性回归和图像识别之类的东西。这些东西都很常见。如果你从这个角度来考虑机器学习，好吧，你把所有这些数据都输入到模型中，数据是机 投资者电子邮件列表 器学习中最重要的部分。很多人会争辩说，如果机器学习是一辆车，数据就是燃料。
这是需要理解的一个非常重要的部分，因为除非您拥有正确类型的数据来提供给模型，否则您将无法获得想要的结果。
机器学习模型示例
让我们来看一个例子。如果你想建立一个预测房价的机器学习模型，你可能拥有所有这些信息。
您可能有当前价格、这些房屋的平方英尺、土地、浴室数量、卧室数量，等等。不胜枚举。这些也称为特征。因此，当您输入所有这些数据时，模型将尝试了解这些信息之间的关联，并提出一个能够最好地预测未来房价的模型。
这些机器学习模型中最基本的是线性回归。因此，如果您考虑输入数据，也许只需输入价格和平方英尺，您就可以看到这样的数据。
您会发现，随着平方英尺的增加，价格也会上涨。随着时间的推移，模型在查看这些数据时，将开始找到数据中最平滑的线，以便对未来做出最准确的预测。