摘要
在此課程模組中，我們提到了一些重要的新術語。 讓我們回顧一下所學的內容：
機器學習的目標是尋找資料中的模式，並使用這些模式來進行預估。
機器學習與一般軟體發展的不同之處在於，我們是使用特殊程式碼而不是我們自己的直覺，來改善軟體的效能。
學習過程的概念包含四個元件：
- 資料是我們想要從中學習的資訊。
- 模型，可估計資料。
- 模型嘗試達成的目標。
- 最佳化工具，是根據效能來變更模型的額外程式碼。
您可以將資料分為特徵和標籤。 特徵對應可能的模型輸入，而標籤則對應模型輸出，或理想的模型輸出。
Pandas 和 Plotly 是很強大的工具，可探索 Python 中的資料集。
一旦模型定型之後，我們就可以將模型儲存到磁碟以供之後使用。