机器学习第一章-机器学习基础

目录

1.1引言

1.2基本术语

1.3假设空间

1.4归纳偏好

1.5发展历程

1.6应用现状

                        

---

                        

---

1.1引言

        机器学习是一种通过让计算机系统从数据中学习模式和规律，从而自动改善性能和行为的技术，适用于各种领域，包括预测、识别、决策和自动化任务。

1.2基本术语

 

1. 机器学习：机器学习是人工智能的一个分支，致力于让计算机系统通过数据和经验自动改进。其目标是让计算机系统具备从数据中学习和提升的能力，而不需要显式地进行编程。

2. 数据集：数据集是机器学习模型训练和测试的基础。它是一个由数据样本组成的集合，每个样本可以包含一个或多个特征（features）以及相应的标签（labels）。

3. 特征：特征是数据集中用来描述每个样本的属性或者变量。在监督学习中，特征可以用来预测标签。

4. 标签：标签是监督学习中的目标输出变量，它是我们希望模型预测或分类的结果。

5. 训练：训练是指利用机器学习算法和数据集来创建模型的过程。模型通过训练数据学习特征和标签之间的关系。

6. 测试：测试是评估模型预测性能的过程。