本文深入浅出地介绍了机器学习的基本术语，如数据集、实例、训练等，并探讨了假设空间的概念，归纳偏好的重要性，以及‘奥卡姆剃刀’原则和NFL定理在机器学习中的应用。
1.基本术语
数据集：记录的集合；
实例（instance）：关于一个对象或事件的描述；
训练：从数据中学得模型的过程，可通过执行某个算法来完成；
训练数据
训练样本
学习任务
分类：预测的是离散值，比如 “好”、“坏”；
回归：预测的是连续值，比如 成熟度；
2.假设空间
归纳偏好：算法在机器学习过程中对某种假设的偏好；
归纳
演绎
3.归纳偏好
“奥卡姆剃刀”原则：若有多个假设与观察一致，则选最简单的那个
NFL定理：没有免费的午餐。算法没有优劣好坏，针对具体问题具体分析
扫一扫
评论
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
查看更多评论
添加红包
