机器学习包含4个部分：数据、模型、目标函数、最优化算法
数据：由特征和标签组成，特征是每个数据带有的n个自变量变量，标签是单个数据对应的唯一的因变量，所以可以理解成：已知n个自变量，建立一个函数，求因变量。标签是数据的结果，也就是我们要预测的结果。
机器学习的主要过程：
- 收集数据：首先，需要收集机器学习所需的数据。数据可以从各种来源获取，例如网络、文件、数据库等。
- 准备数据：收集到的数据通常需要进行预处理，包括缺失值填充、异常值处理、特征提取等。
- 分割数据：为了更好地评估模型的性能，我们通常会将数据分为训练集、验证集、测试集三部分。训练集用来训练模型，验证集用来选择模型，测试集用来评估模型性能。
- 训练模型：使用训练集训练模型。
- 评估模型：使用测试集评估模型性能。
- 模型预测：使用训练好的模型预测新数据。