2、机器学习中的训练数据表示、算法及概念学习

机器学习中的训练数据表示、算法及概念学习

1. 训练数据的表示

训练数据的表示，也就是用于学习概念的示例的表示，需要满足两个目的。一方面，这种表示要适合学习系统的用户，即能轻松地将给定数据反映在所选的表示形式中。另一方面，它要适合学习算法，这至少包含两个方面：首先，学习算法必须能够处理数据的表示形式；其次，学习算法要能够从呈现的示例中找到合适的概念，即进行有用且恰当的泛化。

最常用的数据表示形式是某种属性或特征向量，即通过多个属性来描述对象。常见的属性类型有以下几种：
- 非结构化属性 ：
- 布尔属性 ：对象要么具有该属性，要么不具有。通常用 {f, t} 、 {0, 1} 表示，在神经网络中有时用 {-1, 1} 表示。
- 离散属性 ：属性有多个可能的值（多于两个），例如颜色 {red, blue, green, brown} 、形状 {circle, triangle, rectangle} ，甚至是没有实际意义的数字或其他标量值集合。
- 结构化属性 ：可能的值之间存在有意义的关系。
- 线性属性 ：通常线性属性的可能值是一组数字，如 {0, 1, ..., 15} ，值的顺序对于泛化是相关的。当然，也可以使用非数值的值，只要这种顺序被认为是有意义的，例如颜色可以根据亮度排序。