机器学习

本文介绍了机器学习领域的核心概念,包括属性与特征、学习与训练、标记与样例、分类与回归、聚类以及监督学习和无监督学习。讨论了模型的泛化能力以及归纳与演绎在学习过程中的作用,并提及版本空间的概念。

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。<

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值