本节课主要是通过案例了解机器学习的概念
什么是机器学习
顾名思义，机器具备有学习的能力。与人类的基于直觉、经验、观察和推理的学习过程不同，机器学习依赖于算法和统计模型从数据中自动学习模式，过大量的输入数据来训练模型，优化参数，从而实现对未知数据的预测或分类。由此可以看出，机器学习是建立在数学运算之上的，也就是为什么会说机器学习就是让机器具备找一个函数的能力
案例
首先举例一个预测播放量的例子,将机器学习找函数的步骤分为3步 1.写出函数f
y = b + w ∗ x1， 而 b 跟 w 是未知的。带有未知的参数（parameter） 的函数称为模型（model） 。模型在机器学习里面，就是一个带有未知的参数的函数， 特征（feature） x1 是这个函数里面已知的，它是来自于后台的信息， 2 月 25 日点 击的总次数是已知的，而 w 跟 b 是未知的参数。 w 称为权重（weight）， b 称为偏置（bias）。
2.定义损失 这一步就是为了检验输出的结果和实际的理论值，运用到了概率与统计的有关知识
b 跟 w 是未知的，损失是函数 L(b, w)，其输入是模型参数 b 跟w。损失函数输出的值代表，现在如果把这一组未知的参数，设定某一个数值的时候，这笔数值好还是不好。举一个具体的例子，假设未知的参数的设定是 b = 500， w = 1，预测未来的观看次数的函数就变成 y = 500 + x1。要从训练数据来进行计算损失，在这个问题里面，训练数据是这一个频道过去的观看次数。
3.解一个最优的问题 这个步骤就是在2的基础上如何去优化得到的结果。这部分需要用到高数下的偏导偏微分的有关知识
