[机器学习]机器学习笔记06—术语解释

最新推荐文章于 2024-10-23 23:41:50 发布
最新推荐文章于 2024-10-23 23:41:50 发布
阅读量4.7k 收藏 2
点赞数 2
CC 4.0 BY-SA版权
分类专栏： 机器学习应用知识笔记 文章标签： 机器学习
未经博主允许不得转载(https://github.com/ai-word)
本文链接：https://blog.youkuaiyun.com/BaiHuaXiu123/article/details/80382821
这篇博客主要解释了机器学习中的一些核心术语，包括数据集、实例、属性、特征向量、维数、分类、回归、归纳和演绎。还讨论了假设空间和版本空间的概念，如假设空间规模的计算方法。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

####术语解释

  1. 数据集（data set）: 所有记录的集合
  2. 实例或样本: 每一条记录
  3. 属性或特征: 例如,西瓜的色泽等称之为一个属性
  4. 特征向量: 一条记录，如果在坐标轴上表示，每个西瓜都可以用坐标轴中的一个点表示，一个点也是一个向量，例如（青绿，蜷缩，浊响），即每个西瓜即为一个特征向量
  5. 维数: 一个样本的属性(特征)数
  6. 分类: 预测值为离散值的问题
  7. 回归: 预测值为连续值的问题
  8. 归纳: 从特殊到一般的“泛化”过程
  9. 演绎（deduction 从一般到特殊的“特化”（specialization）过程
  10. 假设空间(hypothesis space), 色泽，根蒂，敲声分别有3,2,2种可能取值，则我们面临的假设空间规模大小为433+1=37
  11. 版本空间（version space）所有假设空间的集合
机器学习笔记
orangegrass的博客
06-29 668
样本(sample) | 关于一个事件或对象描述的记录| 特征(feature) | 反映事件或对象的事项 | 色泽，根蒂，敲声 || 样本空间(sample space) |特征张成的空间 | 以 色泽，根蒂，敲声 为坐标轴、张成的描述西瓜的三维空 |
西瓜书#机器学习学习笔记(小白都能看懂的机器学习教程）（格式调整中）
m0_67466450的博客
06-20 1155
第一章 绪论 什么是机器学习？ 机器学习是这样一门学科，它致力于研究如何通过计算的手段，利用经验来改善系统自身的性能，在计算机系统中，“经验”通常以“数据”形式存在，因此，机器学习所研究的主要内容，是关于在计算机上从数据中产生“模型”(model)的算法，即“学习算法”(learning algorithm)。有了学习算法，我们把经验数据提供给它，它就能基于这些数据产生模型；在面对新的情况时（例如看到一个没剖开的西瓜），模型会给我们提供相应的判断（例如好瓜）。 基本术语：（不懂得可以上原书翻或者复制一
机器学习术语通俗易懂的解释
专注于后端开发，时常接触大数据 、人工智能等
10-31 1054
人工智能是基于数据做出判断和预测，机器学习能够让计算机实现数据驱动的决策，但是目前机器学习很多算法名词非常复杂，本文试图用浅显易懂的语言解释机器学习领域的相关术语. 监督学习Supervised Learning 让程序首先基于预先定义的数据集进行训练，离开这些训练数据以后，这个程序还能基于新的数据进行精确判断。 非监督学习Unsupervised Learning 程序自己能...
机器学习常用术语解释
Xmumu_的博客
10-16 353
我是知识的搬运者????hhhh https://zhuanlan.zhihu.com/p/152408012
机器学习术语、名词解释【汇总】
欢迎关注，共同进步！
11-01 565
全面详细、秀色可餐 链接：https://developers.google.com/machine-learning/glossary#b
机器学习笔记06—术语解释
喜欢打酱油的老鸟
12-12 341
术语解释 数据集（data set）: 所有记录的集合 实例或样本: 每一条记录 属性或特征: 例如,西瓜的色泽等称之为一个属性 特征向量: 一条记录，如果在坐标轴上表示，每个西瓜都可以用坐标轴中的一个点表示，一个点也是一个向量，例如（青绿，蜷缩，浊响），即每个西瓜即为一个特征向量 维数: 一个样本的属性(特征)数 分类: 预测值为离散值的问题 回归: 预测值为连续值的问题 归纳: 从特殊到一般...
机器学习基本术语
高毅的博客
10-25 960
分类（classification）：若我们欲预测的是离散值，如“好瓜”“坏瓜”，此类学习任务成为“分类”。（有导师学习） 回归（regression）：若预测的是连续值，如西瓜成熟度0.65，0.78，此类学习任务称为“回归”。（有导师学习） 聚类（clustering）：将训练集分成若干组（簇），这些簇可能对应一些潜在的概念划分，如“浅色瓜”“深色瓜”。注：在聚类学习中，“浅色瓜”“深色瓜
西瓜书机器学习的学习笔记（十分详细）
06-10
学习了机器学习的基础以及相关理论，颇有收获，并做了相关笔记，对于机器学习有了更为深入的理解，为以后的学习以及研究打下基础。 主要内容包含以下相关主题： - 模型的评估与选择 - 神经网络 - 支持向量机 - ...
周志华《机器学习》自学知识点笔记（第一、二章）
最新发布
m0_74756644的博客
10-23 644
非形式化定义：将人的“经验”作为计算机的“数据”，让计算机来学习这些经验数据，从而得到一个算法模型，同时在面对新的情况时，计算机能够做出准确有效的判断。形式化定义：假设T为计算机程序希望实现的任务类，P为计算机程序在某任务类T上的性能，E为经验，即历史的数据集。若该计算机程序通过利用经验E在任务T上获得了性能P的改善，则称该程序对E进行了学习。
机器学习专业术语
浩瀚之水的专栏
10-09 823
1.什么是泛化能力？  在机器学习方法中，泛化能力通俗来讲就是指学习到的模型对未知数据的预测能力。在实际情况中，我们通常通过测试误差来评价学习方法的泛化能力。  泛化能力（generalization ability）是指一个机器学习算法对于没有见过的样本的识别能力。我们也叫做举一反三的能力，或者叫做学以致用的能力。 举个例子，通过学习，小学生就可以熟练的掌握加减法，那么他们是怎么做到的呢？...
机器学习相关专业术语记录
weixin_38210115的博客
12-26 312
1|拟合，插值，逼近——进一步有过拟合和欠拟合： 拟合：形象的说，拟合就是把平面上一系列的点，用一条光滑的曲线连接起来。 因为这条曲线有无数种可能，从而有各种拟合方法。 插值：就是说曲线完全经过各点。 逼近：通过提升使得拟合函数曲线尽可能贴近真实函数曲线的形状。   进一步说： 欠拟合：如左图，大部分点距离曲线较远，有趋势，但是趋势和实际数据不符。 过拟合：如右图，所有点都在曲线...
CIFAR-10 数据集简介
热门推荐
weix1235的博客
11-28 1万+
复现代码的过程中，简单了解了作者使用的数据集CIFAR-10 dataset ，简单记录一下。 CIFAR-10数据集是8000万微小图片的标签子集，它的收集者是：Alex Krizhevsky, Vinod Nair, Geoffrey Hinton。 数据集由6万张32*32的彩色图片组成，一共有10个类别。每个类别6000张图片。其中有5万张训练图片及1万张测试图片。 数据集被划分为5个训练块和1个测试块，每个块1万张图片。 测试块包含了1000张从每个类别中随机选择的图片。训练块包含随机的剩余图像
Python数据分析 - numpy
weixin_34129696的博客
09-27 831
前言 NUMPY（以下简称NP）是Python数据分析必不可少的第三方库，np的出现一定程度上解决了Python运算性能不佳的问题，同时提供了更加精确的数据类型。如今，np被Python其它科学计算包作为基础包，已成为Python 数据分析的基础，可以说，NP是SciPy、Pandas等数据处理或科学计算库最基本的函数功能库。因此，理解n...
【每日AI】什么是维数？
TUSTer_的博客
01-23 3642
维数 在处理各种数据集时，维数通常是一个令人困惑的概念。从物理角度看，维度是空间维度：长度、宽度和高度。（为了简单起见，我们不把时间当作第四维度来深入研究物理学。）在任何现实生活的场景中，我们遇到的都不超过这三个维度。 但是，当我们处理用于机器学习的数据时，通常有几十个、数百个甚至更多个维度。为了理解这些高维度，我们需要研究维度的基本性质。 空间维度的定义使得每个维度都与其他两个维度垂直或正交。这种正交性对于三维空间中的所有点都有唯一表示至关重要。如果维度不是互相正交的，则空间中的相同点可以具有多种表
多维数据集简介
Wilson的博客
06-29 6835
多维数据集 多维数据集最简单的结构是一个事实表和多个维度表，事实表主要是由维度外键和度量值组成，维度表由n个键值对组成（如xxID、xxName）最简单的理解就是立方体，事实表是核心，维度表则包裹事实表组成立体表面，对立方体进行切面则意味着从不同角度看事实维度是可以被共用的，例如基本上一个多维库只有一个时间维度维度表其实很纯洁，千万不要将其复杂化，以时间维度为例，大家会认为日期与具体的时分秒
关于周志华《机器学习》中假设空间规模大小65的计算
安徽思远的博客
03-01 2753
从西瓜的例子来看，色泽、根蒂、敲声每种特征均有三个属性。 我们想要从所有可能性中抽取一条规则来定义什么瓜是好瓜。而我们的假设空间则包含所有可能性。 这里我们可以从两个角度得到最终结果65。 一、分别考虑 现在我们一共有3个特征，如果我们只需要从3个特征中选取一个特征中作为最终的结果（这意味着剩余两个特征无关紧要），我们一共有3*3=9种可能； 如果我们需要从3个特征中选取2个特征作为最终的结果，则...
机器学习——一些名词解释(适用于刚开始接触机器学习)
weixin_42255200的博客
11-06 1761
总体上的范围关系是： 人工智能 > 机器学习 > 深度学习 ， 这三种都可能会用到神经网络算法。 监督式学习(Supervised learning)：通过已有的一部分输入数据与输出数据之间的对应关系，生成一个函数，将输入映射到合适的输出,如分类。监督学习是使用已知正确答案的示例来训练网络的。监督式学习的算法有决策树学习,SVM,KNN等回归分析和统计分类的算法。 非监督式学习(Unsupervised learning):直接对输入数据集进行建模，如聚类.对比监督式学习，无监督式学习网..
机器学习之名词解释
mingyuli的博客
07-22 2682
train? valid? or test? 机器学习最明显的一个特点是需要大量的数据。特别对监督学习来说，就是需要大量的带标签数据（labeled data）。 很多入门的朋友很快就会遇见模型训练和测试这两个阶段，进而也就了解到带标签数据是要被划分成两个部分的：训练集 (training set) 与测试集 (test set)。这两个概念也很直观，大部分朋友非常快就能接受。 可是到后面，...
机器学习经典算法及名词解释汇总
ROM的博客
10-18 3300
经典算法 一、SVM（支持向量机） （1）概念：支持向量机SVM(Support Vector Machine)是一个有监督的学习模型，通常用来进行模式识别、分类、以及回归分析。所谓支持向量，就是指距离分隔超平面最近的点。 （2）理论背景：​Vapnik等人在多年研究统计学习理论基础上对线性分类器提出了另一种设计最佳准则。其原理也从线性可分说起，然后扩展到线性不可分的情况，甚至扩展到使用非线...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

图解AI

你的鼓励是我最大的动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值