2.4　本章小結

本章我們討論了處理機器學習問題的一個典型工作流程：我們如何從原始數據中提取信息特征；我們如何使用數據和標簽來訓練一個機器學習模型；以及我們如何使用最終確定的模型來預測新的數據標簽。我們得知把數據拆分成一個訓練集和一個測試集是非常重要的，因為這是了解一個模型對新數據點泛化性能的唯一方法。

在軟件方面，我們大幅提升了自身的Python技能。我們學習了如何使用NumPy數組存儲和操作數據，以及如何使用Matplotlib進行數據可視化。我們討論了scikit-learn及其很多有用的數據資源。最后，我們還討論了OpenCV自有的TrainData容器，該容器為OpenCV的C++ API用戶提供了一些幫助。

有了這些工具，我們現在就準備實現第一個真正的機器學習模型了！在第3章，我們將重點關注監督學習及其兩個主要問題類別：分類和回歸。