我想学会预测未来的事件，例如......能够使用过去二十年的飞机失事数据预测2018年的飞机失事数......或者......预测有多少发球台带有justin beibers脸的衬衫将于2018年销售，具体取决于previuos数据的粉丝数量..........或者如果他们决定以相同的精确度发布多少个iPhone 8和samsungs s9，日期....预测有点准确的整个销售市场.....这样的东西....请建议一本书...我真的很喜欢头第一系列....头是第一个数据分析适合我吗？ ....我不知道如果我可以问问题，而不是编程在这里或不是.....但我在这里.....顺便说一句，大数据与此有什么关系？如果我想使用历史数据预测未来购物在线购物，我是否需要数据科学或数据分析或大数据？
这一切落在数据科学类（这是大数据和数据分析）。你需要做什么预测和这些东西是一些机器学习方法，你可以访问或者可以访问你想要预测的东西。
我推荐这个，最新的系列文章：https://medium.com/machine-learning-for-humans/why-machine-learning-matters-6164faf1df12
除了非常好的介绍，你会发现很多资源的进一步学习那里。
此外，我强烈建议deeplearning.ai和机器从斯坦福大学学习过程中，你可以找到Coursera。
干杯！
我想大多数你问我的情景是监督学习的情况下，这是一种机器学习的，其中你有以前的数据进行输入和输出值来训练你的机器学习模型，一旦你已经培训一个模型，你喂养新的输入值，它给你的输出是预测。
我会强烈建议由Andrew NG以下的机器学习课程，在Coursera覆盖的ML包括监督和无监督学习所有的基本知识。
https://www.coursera.org/learn/machine-learning
至于书下面的链接从分析维迪亚是一个伟大的地方开始，你可以通过书籍，因为他们可以给你统计和数据科学的一些很好的基础。
至于数据科学，数据分析和大数据之间的差异。数据科学和数据分析是相似的，因为他们都试图找到数据模式，并根据这些模式获得一些见解。在另一方面
大数据基本上是这是在多台机器分布规模庞大的数据，这样你就可以存储并同时并行计算大量数据。
所以你可能会问大数据和机器学习是如何相关的？那么答案就在于机器学习模型的训练，因为预测的准确性在一定程度上取决于你训练的数据量。因此，训练数据越多，预测的效果就越好，而在数量上大数据方式优于其他数据方式，因此也就是这种关系。
问题，要求我们建议还是找** **书......或其他异地资源是题外话堆栈溢出，因为他们往往以吸引自以为是的答案和垃圾邮件。 –
哥们，这个问题真棒，我现在最喜欢的一个，我想......但方式太广泛了。将其分解成5个独立的问题。 – markg
Maschine学习书可能很有趣 –