2.3　機器學習算法流程

通常機器學習的算法流程如下：

·　選擇模型函數mx_fun。

·　把訓練用的特征數據集x_train和對應的特征（結果）數據集y_train，輸入模型函數mx_fun。

·　系統內置的機器學習函數會自動分析特征數據與結果數據之間的關系，這樣的一個過程就是機器學習的過程，也是算法建模的過程。

·　通過對訓練數據的機器學習和數據分析，系統會生成一個AI機器學習的模型，我們將其保存到變量mx。

·　把測試數據x_test輸入到mx模型變量中，mx會調用內置的分析函數predict，生成最終的分析結果y_pred。

·　如果是實盤，我們輸入最新的數據，比如今天的股市數據或正在銷售的足彩比賽賠率數據，系統會自動生成相關的預測數據，比如每天或未來幾天股市走勢數據或比賽輸贏結果預測數據。

在進行實盤運行前，我們會對模型產生的預測數據y_pred和正確結果數據y_test進行對比，判斷模型的準確度，并通過一些優化措施和參數調整進行迭代運算，或者采用其他的模型提高最終結果的準確度。