经过前面的学习，我们知道机器学习本质就是根据历史看到的样本总结规律。
机器学习在实际生活中如何应用？
例如一个问题：给一个水果，判断是苹果还是梨？

1. 回忆以前见过的苹果和梨        
   机器学习步骤一：收集样本                                              

2.根据以前见过的苹果和梨，找到有区分性的特征 
                                   
机器学习步骤 二：提取特征

3.根据这些特征，总结区分的规律 
                                   
 机器学习步骤三：模型训练

4.下次来了一个新的苹果或者梨的时候，根据规律判断   

 机器学习步骤四： 预测


在我们生活中有很多应用案例，比如爱奇艺视频推荐目标：提升点击率。
在银行业比较常见的场景 反欺诈场景，我们如何在反欺诈场景中来运用我们的机器学习思想呢？典型的反欺诈场景全流程是怎么样呢？
我们目前的反欺诈流程经过 8 个步骤来完成。

1）导入训练数据

2）在模型 ide 中进行模型调研

3）自学习所需要的数据导入，形成数据组

4）部署自学习服务

5）一次自学习运行完毕产出模型

6）反欺诈数据导入 Rtidb 中

7）部署预估服务 开启时序特征抽取 开启请求日志回流

8）请求日志回流到 Rtidb 和自学习数据组中

如何将机器学习应用到我们日常的应用是一个长期探索 漫长的过程，期待不断积累 沉淀越来越多的案例