sklearn小数据集 还有波士顿房价数据集 sklearn大数据集 我们可以通过这几个属性来获取特征值 思考:拿到数据是否全部都用来训练一个模型？ 数据集划分在机器学习中，我们一部分的数据会用于训练，构建模型。另一部分用来测试数据，用

https://scikit-learn.org/stable/datasets/ https://archive.ics.uci.edu/ml/datasets.php https://www.kaggle.com/datasets 工

1.算法是核心，数据与计算是基础2.找准定位 一般比较踏实的学习路线 大学书籍 学习框架 深入研究 更多

1）获取数据2）数据处理3）特征工程4）机器学习算法训练 - 模型5）模型评估6）应用

监督学习（有目标值）目标值：类别 - 分类问题 k-近邻算法、贝叶斯分类、决策树与随机森林、逻辑回归 目标值：连续型的数据 - 回归问题 线性回归、岭回归 无监督学习（没有目标值）目标值：无 聚类 k-means 1、预测明天

机器学习是从数据中自动分析获得模型，并利用模型对未知数据进行预测。 数据集的构成 每一行数据我们称为样本，有些数据集可以没有目标值

视频地址:https://www.bilibili.com/video/BV1pE411j7Ri

错误处理我们抛出一个异常 package main import ( "errors" "fmt" ) var errNotFound error = errors.New("Not found error") func main