5.1.1 机器学习基础路线图：任务、数据、模型、分数

机器学习从不再手写所有规则开始，而是让模型从数据中学习规律。第一习惯不是背算法，而是跑通小项目闭环。

先看地图

记住这个闭环：

定义任务→划分数据→训练模型→预测→评分→决定下一步

词	第一层意思
feature	模型使用的输入列
label / target	模型要预测的答案
train set	用来学习的数据
test set	留出来检查泛化的数据
baseline	用来比较的简单首版模型

跑最小 sklearn 闭环

创建 ml_first_loop.py，安装 scikit-learn 后运行。

from sklearn.datasets import load_iris
from sklearn.linear_model import LogisticRegression
from sklearn.model_selection import train_test_split

X, y = load_iris(return_X_y=True)
X_train, X_test, y_train, y_test = train_test_split(
    X, y, test_size=0.2, random_state=42, stratify=y
)

model = LogisticRegression(max_iter=200)
model.fit(X_train, y_train)
predictions = model.predict(X_test)

print("task: classification")
print("test_accuracy:", round(model.score(X_test, y_test), 3))
print("prediction_count:", len(predictions))

预期输出：

task: classification
test_accuracy: 0.967
prediction_count: 30

这就是最小有用机器学习闭环：先划分数据，只用训练集训练，再用测试集评估。

按这个顺序学

顺序	阅读	练什么
1	5.1.2 什么是机器学习	任务类型、特征、标签
2	5.1.3 Scikit-learn 入门	fit、predict、score
3	5.1.4 数学如何进入机器学习	向量、概率、loss、优化
4	5.1.5 机器学习发展史	主要算法为什么出现
5	5.1.6 sklearn 与 Matplotlib 工作坊	运行、画图、解释 baseline

通过标准

能说出任务类型，识别 X 和 y，解释为什么要划分训练集/测试集，并保留一个 baseline 分数作为证据，就算通过。

检查思路与讲解

1. X 是特征矩阵：行是样本，列是模型可使用的输入。y 是标签或目标，也就是模型要学习预测的答案。
2. 训练集/测试集划分很重要，因为测试集模拟新数据。如果模型训练时看到了测试信息，分数就不能证明泛化能力。
3. 一份合格 baseline 记录应包含任务类型、划分方式、模型、指标，以及一句可能失败的原因。

留下的证据

学完这一页，至少保留这张证据卡：

机器学习问题

监督学习、无监督学习、评估或特征工程任务

基线

最简单的 sklearn/建模循环和固定的训练/测试划分

输出

预测、指标、图表，或模型决策备注

失败检查

数据泄漏、目标不清、基线薄弱或指标不匹配

期望产出

带指标和一个失败观察的最小 ML 循环