本文深入探讨了机器学习系统的两大核心——泛化力与性能，详细解析了监督学习与无监督学习的任务特性，如分类、回归、数据降维及聚类，并介绍了经验、特征与性能评估的关键概念。
Python机器学习实践笔记（1）
1.机器学习系统
1.1 特点
- 泛化力 ：对未知的预测能力
- 性能：不断完善自身应对具体任务的能力
2. 关键性术语：任务、经验、性能
2.1 任务
- 监督学习：分类与回归
- 无监督学习：数据降维和聚类
数据降维是对事物的特性进行压缩和筛选，即选出最有效的信息；
聚类是指把相似的样本划分为一个簇，注意与分类的区别在于事先我们不知道每个簇的标签
2.2 经验
- 通常将数据视作经验；
- 特征：反映数据内在规律的信息
- 特征向量（Feature Vector）：描述数据样本
- 数据类型：类别型特征、数值型特征、缺失数据
2.3 性能
- 测试集：将模型预测结果与正确结果进行比对（不能被用于模型训练）
- 准确性：百分比/偏差大小
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
