机器学习

机器学习基本术语

属性(attribute)/特征(feature)： 反映事件或对象在某方面的表现或性质的事项。
属性值(attribute value)/特征值(feature value)： 属性的取值。
属性空间(attribute space)： 属性张成的空间。也称样本空间、输入空间。
特征向量(feature vector)： 一个样本的N项特征在N维空间上的一个向量。
学习(learning)/训练(training)： 从给定数据中学得模型的过程。
训练数据(training data)： 训练中使用的数据。
训练样本(training sample)： 每一组训练数据就是训练样本。
训练集(training set)： 由训练样本构成的集合就是训练集。
标记(label)： 样本的实际结果，类似于猫狗分类中，给出一个样本数据，这个样本到底是猫还是狗的这样一个结果。
样例(example)： 具有标记信息的示例叫做样例。
标记空间(label space)： 所有标记的集合，也称为输出空间。
分类(classification)： 预测的是离散值。
回归(regression)： 预测的是连续值。
二分类(binary classification)： 只涉及两个类别的分类。通常称一个类是“正类(positive class)”，另一个类是“反类(negative class)”，也称“负类”。
多分类(multi-class classification)： 涉及多个类别的分类。<