机器学习一般分为几大类

机器学习的一般流程包括：觉分析、数据预处理、特征工程、模拟训练、模型评估。

1.场景分析

场景分析就是将业务逻辑归纳为可以通过算法解决的问题。

2.数据预处理

可化分析完成后，选择合适的数据，应用算法处理此类数据后，需要对数据进行预处理——即清洗。 数据并处理空值和格式错误的字符。

数据预处理的主要目的是减少噪声数据对训练数据的影响。

3.特征工程

特征工程是机器学习中最重要的部分。 由于基于现有训练数据可用的算法有限，同一算法下特征的选择各不相同，100个对一件事情会有100种看法，最终特征的好坏决定了模型的好坏。 特征工程需要做的事情包括：特征抽象、特征重要性评估、特征推导、特征降维。

4.模拟训练

经过上述过程后，进入训练模块Model。

5.模型评估

评估生成模型的成熟度。