机器学习是研究如何让计算机不需要明确的程序也能具备学习能力的领域。它是一种通过让计算机从数据中学习，从而完成任务的方法。在机器学习中，模型是借助数学模型理解数据的。当模型装上可以适应观测数据的可调参数时，学习就开始了。一旦模型可以拟合旧的观测数据，那么它们就可以预测并解释新的观测数据。

以下是CDA数据分析师考试中机器学习概念的一些重要考点：

1、监督学习(Supervised Learning)和非监督学习(Unsupervised Learning)：监督学习是机器学习中最常用的方法，它通过已知输入和输出来训练模型。而非监督学习则是没有已知的输入和输出，模型需要从数据中自行发现结构或模式。

2、强化学习(Reinforcement Learning)：强化学习是另一种机器学习方法，它通过让模型在环境中进行试错，并从错误中学习，以获得最佳的行为策略。

3、深度学习(Deep Learning)：深度学习是机器学习的一个分支，它通过使用人工神经网络来模拟人脑的学习方式。深度学习在图像、语音和自然语言处理等领域有着广泛的应用。

4、迁移学习(Transfer Learning)：迁移学习是指将在一个任务或领域中学到的知识应用到另一个任务或领域中的学习方法。

5、模型评估(Model Evaluation)：在机器学习中，模型评估是非常重要的步骤，它通过使用各种评估指标来衡量模型的性能。这些指标包括准确率、精确率、召回率、F1分数等。

6、过拟合(Overfitting)和欠拟合(Underfitting)：过拟合是指模型在训练数据上表现得非常好，但在测试数据上表现不佳的现象;而欠拟合则是模型在训练数据和测试数据上的表现都不佳的现象。

7、正则化(Regularization)：正则化是一种用于防止过拟合的技术，它通过在模型的损失函数中增加一项来惩罚模型的复杂性。