本系列教程适合對機器學習一無所知，甚至文科森哦。反正不會有數學公式，I promise！教程基于sklearn的python機器學習庫。
打開機器學習的面紗，就是這樣。
首先要有利器。工欲善其事必先利其器。看我下面這個文章吧，下載下傳一下這個軟體，然後我們就可以開始了。
http://blog.csdn.net/qtlyx/article/details/49742483
1.什麼是機器學習？
資料挖掘，深度學習，模式識别，大資料挖掘。一切聽起來很深奧的樣子。其實呢，就是一句話：分類和預測！說的那麼好聽就是在做這兩件事。
2.線性回歸
馬上開始！有一種東西叫做最小二乘法，不知道也沒有關系。

話說有這樣一張圖，上面有這麼多點點是已知的，現在問題來了，告訴你橫軸的值是0.56的點，縱軸的值應該是多少？這就是預測喽。最最簡單的方法就是最小二乘法，說白了就是找一條直線，能夠很好的預測0.56的點對應的函數值。那怎麼畫出這個直線呢？接下來就是sklearn登場了。
http://scikit-learn.org/stable/
這個是sklearn的官網，都很詳細的說明，不過當然不如我通俗啦~
Anaconda裡面內建了這個包，直接import就可以了。
import matplotlib.pyplot as plt#畫圖包
import numpy as np#sklearn的支援包
from sklearn import datasets, linear_model#導入sklearn中的資料集和線性模型
# 讀取一組資料，好像是糖尿病的哦。這不是重點
diabetes = datasets.load_diabetes()
diabetes_X = diabetes.data[:, np.newaxis, 2]
diabetes_X = diabetes_X[:-20]
diabetes_y = diabetes.target[:-20]
# 重點來了，這裡利用資料建立了一個線性回歸的類
regr = linear_model.LinearRegression()
#把資料放進去，說好聽點，就是讓這個模型“學習”一下。資料就是我們上圖的那些點。
regr.fit(diabetes_X, diabetes_y) 複制
regr.coef_#傳回最小二乘法的那根直線的。分别是常數和一次項系數。 複制
把直線畫出來的話的，就是這樣的。然後就可以快樂的拿這條直線與預測了。
機器學習，其實就是這麼簡單。