第一章 绪论
基本概术语
中文 | 英文 | 含义 |
---|---|---|
机器学习 | Machine learning | … |
数据集 | data set | … |
属性 | attribute | |
特征 | feature | |
属性空间 | attribute space | |
训练集 | training set | |
假设 | hypothesis | 学得模型对应了关于数据的某项潜在规律 |
真相 | truth | 潜在规律自身 |
标记 | label | |
分类 | classification | 预测值是离散值 |
回归 | regression | 预测值是连续值 |
二分类 | binary classification | |
多分类 | multi-class classification | |
聚类 | clustering | |
监督学习 | supervised learning | |
无监督学习 | unsupervised learning | |
泛化 | generalization | 学得模型应用于新样本的能力 |
分布 | distribution | |
独立同分布 | independent and identically distributed,i.i.d. | |
归纳 | induction | |
演绎 | deduction | |
归纳偏好 | inductive bias | 机器学学习算法对某种类型假设的偏好 |
奥卡姆剃刀 | Occam’s razor | 多个假设与观察一致,选取最简单的 |
没有免费的午餐定理 | NFL |