1、数据集dataset
2、每一行的数据叫做样本数据
3、除最后一列标签列外,每一列的数据叫特征或属性
4、最后一列叫做标签列,样本所属类别
5、属性(特征)空间:由特征张成的空间
6、特征向量:构成特征空间的每一行的特征数据
7、训练数据:由输入x(特征)和输出y(标签)构成
8、训练(过程):从数据中学得模型的过程叫做“学习”或“训练”。训练过程中使用的数据叫做训练数据。
9、测试样本:被预测的样本数据,由测试数据和类标签构成
10、测试数据:仅有输入的x构成,根据模型得到预测Label信息
11、预测:学习完模型之后,由测试数据代入模型进行预测,得到预测值
12、预测值和真实值额差距的评判标准:
错误率:错误样本数占总体样本的比例
准确率:1-错误率
误差:模型的实际输出和真实值的差距
训练误差:学习器在训练样本上的误差
泛化误差:学习器在新的样本上的误差
机器学习导论——关于数据集的概念
最新推荐文章于 2024-06-17 22:27:32 发布
本文介绍了机器学习中的数据集概念,包括样本数据、特征与标签的定义,详细阐述了属性空间、特征向量、训练数据、测试样本等关键概念,并解释了训练过程、测试数据的用途及评估预测效果的指标,如错误率、准确率和误差。
摘要由CSDN通过智能技术生成