目录
第一章 绪论
1.1 引言
- 机器学习的定义(由[Mitchell,1997]提出):假设用P来评估计算机程序在某任务类T上的性能,若一个程序通过利用经验E在T中任务上获得了性能改善,则我们就说关于T和P,该程序对E进行了学习。
1.2 基本术语
- 数据集(data set):有一组记录组成,其中每条记录是关于一个事件和对象(例如:?)的描述,这些记录称为一个“示例(instance)”或“样本(sample)”。
- 属性(attribute)或特征(feature):反应事件或对象在某方面的表现或性质的事项,其取值称为“属性值(attribute value)”,其空间称为“属性空间(attribute space)”、“样本空间(sample space)”或“输入控件”。
n个属性的属性空间的属性值可以和n维空间的向量对应,称为“特征向量(feature vector)”。 - 学习(learning)或训练(training):从数据中学得模型。
- 从数据中学得的模型——假设(hypothesis)。
- 标记(label):关于示