术语：
示例，样本：所有描述obj的特征的集合，例如人（姓名，年龄，性别）
属性，特征：实例中的元素均为属性
维度：将示例以坐标轴的形式展示，每一个属性占一个维度，即属性个数是维度数
属性空间，样本空间，输入空间：属性的抽象的存在位置
---------------------------------------------------------------------------------------------------------------------------------
数据集：示例的集合
训练集：数据集的一种，用来建立模型的初始数据
验证集：用于调整模型的参数
测试集：用于测试和评估模型
验证集和测试集的区别：
机器学习的步骤为：训练集 --> 验证集 --> 测试集
先训练模型，每次训练完后都用验证集来评判模型参数，从而选择合适的参数
而在训练验证结束后通过测试集来判断模型的准确率
---------------------------------------------------------------------------------------------------------------------------------
离散：例如（猫，狗，猪）的分类
线性：例如 （1 - 10）的一系列数值
聚类：obj离散的分类
簇：obj聚类的数量
---------------------------------------------------------------------------------------------------------------------------------
监督学习：带标签的学习，训练集标记了所有可能的结果，模型只能预测训练集标记的结果
无监督学习：不带标签，训练集无标记，模型自动根据一定规则进行分类
半监督学习：介于两者之间，训练集一部分由标记，一部分无标记
---------------------------------------------------------------------------------------------------------------------------------
不同算法的模型期望相同，推导公式：
870
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
