机器学习中的分类与相关概念解析
1. 基础概念
在机器学习领域,诸多概念相互关联且在实际应用中发挥着重要作用。首先,我们来了解一些基础概念。
-
类(Class)
- 定义 :类是一组可以合理归为一类的事物的集合。在日常生活中,常见的类有简单的名称,方便人们交流,例如“狗”这个类,让我们可以简单表述“我的狗吃了我的报纸”,而无需详细描述特定的狗和报纸。在机器学习中,类的名称被称为类标签。判断一个事物属于某个类的标准是一个复杂的哲学问题,但通常我们会从类成员的共同属性来考虑,这些属性将该类与其他相似事物区分开来,比如猫会“喵喵”叫,狗会“汪汪”叫。我们不太可能将随机的事物归为一个类,因为它们可能没有共同属性,知道一个事物属于这样的集合可能没有太大意义。在机器学习中,我们可以自定义类,比如“我周六早上喜欢吃的东西”,没有简单名称的情况下,通常将其称为正类,该类的所有实例为正例,其他所有事物则构成负类。
- 动机与背景 :类的概念在学习中非常重要。当我们发现一个事物属于某个类时,即使之前没有遇到过该具体实例,也能了解很多关于它的信息。在机器学习中,类的概念与数学定义紧密相关,即由所有成员共享的属性明确界定的集合。它也与等价类的概念相符,用于对相似事物进行分组。集合有内涵(描述成为成员的条件)和外延(属于该集合的事物),这些在机器学习中都是类的有用属性。此外,类在知识库中广泛用于表示子类和超类之间的重要关系,学习常被视为解决知识库中知识获取瓶颈的一种方式,机器学习中类的使用凸显了这一联系。
订阅专栏 解锁全文
990



被折叠的 条评论
为什么被折叠?



