概述

机器学习是通过分析历史数据，预测未来，那么这些数据的格式是怎样的？

数据库

存储的数据库中，会有以下问题：

1. 性能瓶颈。当数据量过大时，读取数据较慢
2. 格式不符合机器学习的要求，不适合数据分析

csv文件

1. 独立文件，没有性能瓶颈
2. 通过pandas读写，易于分析

获取数据

kaggle

官方网址：https://www.kaggle.com/

1. 大数据竞赛平台
2. 80万科学家
3. 真实数据
4. 数据量巨大

sklearn

sklearn自带的数据集

1. 数据量较小
2. 方便学习

UCI

收录的数据比较专业

1. 收录了较多的数据集
2. 覆盖科学、生活、经济等
3. 数据量几十万

常用数据集的结构组成

结构：特征值+目标值
比如：通过分析男生的特征，得出受女生的好感度

目标值：要做什么，或者是目的是什么。对于此案例来说就是女生的好感度
特征值：根据目标值，要收集相关的特征，比如身高、体重、颜值、穿搭等，至于是否会做饭、学习成绩等与目标值不相关

注意： 有的数据集可以没有目标值

原文出处：/show_1EF3PlnYIrhF.html