机器学习相关基本术语

机器学习相关基本术语

@(Machine Learning)

学习/训练（Learning/Training）：从数据中学得模型的过程。

学习过程就是找出或者逼近真相。

模型也称作学习器（learner）。

标记空间：label space

也称作输出空间。

示例结果称作标记。

学习任务的分类

• 分类（classification）
• 回归（regression）

预测的值是离散值时，学习任务叫作分类。
预测是追是连续值时，学习任务叫作回归。

分类的再次细分： 对于只有两个类别的称作二分类。分别称作正类和反类。

涉及到多个类别，称作多分类。

预测/测试

通过数据集学习到模型后，使用这个模型进行预测的过程称作测试（testing）。

被预测的样本成为测试样本。如学习得到 $f$ 后，对于测试例 $x$ , 可得到预测标记是 $y = f(x)$.

类比到数学上来，这也可以简单看做是朴素的函数思想。即：一个集合到另一个集合的映射，学习的模型就是一个函数的映射关系。只不过，这个映射关系是我们从数据中学习得到。多数情况下并非精确关系，但足够逼近事实就很好了。

聚类：clustering

将训练数据分为若干组，每个组称之为一个簇（cluster）。这种分类的依据我们事先并不知道，而是机器通过算法学习自动分类得到。即：学习过程中使用的样本通常不含有标记信息。

监督学习与无监督学习

个人的理解是：监督学习是根据样本的标记信息，知道样本数据的输入对应的确定的输出，从中学习到一个模型，用于预测样本之外的数据。而无监督学习是样本不含标记。

根据训练数据是否拥有标记信息，学习任务分为两类：监督学习 ： supervised learning 和 无监督学习：unsupervised learning。

监督学习的代表是分类和回归。

无监督学习的代表是聚类。

值得强调的是：机器学习的目标是使得学到的模型能够很好的适用于新样本，而不仅仅是在样本上工作得很好。

泛化的理解

学得的模型适用于新样本的能力，被称之为泛化(generalization)。

这其实和我们自己学习知识并运用知识的过程很相似。比如数学的学习，我们很强调举一反三。我们做不到穷尽所有的题库，只能在有限的习题下学习抽象出解决问题的模型，再运用在新的问题上。