简介
机器学习模型是使用数据进行估计（有根据的猜测）或决策的计算机算法。 机器学习模型在设计方式上不同于传统算法。 当传统计算机软件需要改进时，人们通常会对软件进行编辑。 相比之下，机器学习算法则使用数据来更好地完成特定任务。
例如，垃圾邮件筛选器使用了机器学习。 20 年前，垃圾邮件筛选器没有很多可供学习的示例，因此不擅长识别哪些是垃圾邮件，哪些不是垃圾邮件。 随着越来越多垃圾邮件的出现并被人类用户标记为垃圾，机器学习算法获得了更多的经验，能更好地完成它们的工作了。
合适的靴子
在本模块中，我们将使用示例方案来解释重要的机器学习概念。
在此场景中，你拥有一家销售雪崩救援犬套具的商店，并且最近扩大了销售范围，同时还售卖狗靴。 你的客户似乎都可以挑选到尺寸正确的套具，但他们却经常订购到尺寸错误的狗靴。 你知道大多数客户会在同一笔交易中购买套具和靴子，这使你萌生出一个想法：也许你可以根据客户所选的套具粗略估计狗靴的正确尺寸。 然后，如果客户所选靴子的尺寸可能不正确，你可以在其购买之前提醒他们。
在本模块中，我们将创建实现此想法的机器学习模型。 在此过程中，我们将使用此方案介绍一些基本的机器学习概念，并演示如何在实际环境中使用它们。
学习目标
在本模块中，你将：
- 了解机器学习与传统软件的区别。
- 创建并测试机器学习模型。
- 加载模型并对它使用新数据。
先决条件
无