【学习笔记】文生图模型——一、基础

1.机器学习

        定义：如果机器通过经验E在任务T上提升了指标P，那么称机器对E进行了学习。

        术语：学习过程=训练过程，n维属性=n个特征=输入变量=x，标签=目标变量=输出向量=y，算法=模型=映射

---

         一组样本=数据集，样本是独立同分布的，一个数据集应划分为训练集和测试集。

        1个实例=1个样本(sample)=1组特征值+对应标签。

例如鸢尾花分类任务，有4个特征（萼片长度，萼片宽度，花瓣长度，花瓣宽度），标签类型有3种（'setosa', 'versicolor', 'virginica'），那么其中一个样本可以为（4.1,3.2,1.4,0.2；'virginica'）

---

        1. 连续型数据一般用于回归任务，离散型数据一般用于分类任务

        2.训练的目的是用训练集来拟合一个最佳算法f，使得y=f(x,θ)，其中θ为算法可以学习的参数，概率模型通常拟合的是p(y|x)=f(x,θ)，用于预测