周志华机器学习第一章总结及课后答案参考

最新推荐文章于 2023-11-02 20:51:15 发布

物理小乾乾

最新推荐文章于 2023-11-02 20:51:15 发布

阅读量1.4k

点赞数 1

分类专栏：机器学习笔记

本文链接：https://blog.csdn.net/LIUSHAO123456789/article/details/79153607

版权

本文概述了机器学习的基本概念，包括数据集、示例、属性和学习算法。介绍了监督学习与无监督学习的区别，以及泛化能力、概念学习和归纳偏好等核心概念，阐述了奥卡姆剃刀原理及其在机器学习中的应用。

摘要由CSDN通过智能技术生成

                    
                        
                    
                    1. 引言 
机器学习是这样一门学科，它致力于研究如何通过计算的手段，利用经验来改善系统自身的性能。在计算机系统中，“经验”通常以“数据”形式存在，因此机器学习所研究的主要内容，是关于在计算机上从数据中产生“模型（model）”的算法，即“学习算法”。有了学习算法，我们把经验数据提供给他，就能基于这些数据产生模型。因此机器学习是研究“学习算法“的学问。
 
2.基本术语 
数据集(data set)：这组记录的集合
示例或样本(instance)：每一条记录，关于一个事件或对象的描述
属性或特征(attribute)：反映事件或对象在某方面的表现或性质的事项，例如：色泽，根蒂。
属性值(arrtribute value)：属性上的取值，例如：青绿，乌黑，……
属性空间(arrtribute space)，样本空间(sample space)，输入空间：属性张成的空间
学习(learning)，训练（training）：从数据中学得的模型的过程
训练数据(training data)：训练过程中使用的数据
训练集(training set)：训练样本组成的集合
假设（hypothesis

                