概念
-
数据集:记录的集合 D
-
示例:每条记录是关于事件的描述,坐标向量,特征向量 x1、x2…xi
-
属性:事件在某方面的性质,坐标轴 d
-
属性值:属性上取值,坐标值
-
样本空间=输入空间 X
-
分布: 样本空间服从未知分布 D “独立同分布”
训练:从数据中学习模型的过程
-
训练数据
-
训练样本
-
训练集
-
假设:模型对应数据中潜在规律
-
真相:潜在规律自身
-
标记:示例结果信息 yi
-
样例:拥有标记的示例(xi,yi)
-
输出空间:标记空间 Y
监督学习
--拥有标记信息
-
分类 预测离散值
-
回归 预测连续值
-
二分类 涉及两个类别 正类反类
-
预测任务:对训练集学习,建立从输入空间X到输出空间Y的映射f
学习模型后
-
测试:利用模型进行预测过程
-
测试样本:被预测的示例x
-
预测标记:y=f(x)
无监督学习
--不拥有标记信息
- 聚类:对训练集的事件分组
- 簇:每组称为簇
- 簇化分能:自动形成的簇对应(不知晓的)潜在概念的划分
- 泛化:模型适应新样本的能力
归纳泛化,从特殊到一般,具体事实到一般规律
演绎特化,从一般到特殊,基本原理推演具体情况
- 概念学习:从训练数据中学习概念
- 布尔概念学习:是/不是,表示为0/1布尔值的目标概念的学习
- 学习过程=在所有假设组成的空间中进行搜索的过程,找到与训练集匹配的假设
- 假设空间很大,存在一个与训练集一致的假设集合–版本空间
- 归纳偏好对某类型假设的偏好,与问题匹配
- 奥卡姆剃刀原理:若有多个假设与观察一致,选择最简单的那个!
- 没有免费午餐定理NFL:算法a、算法b总误差相同,期望性能相同!
- 决策树以信息论为基础,以信息熵的最小化为目标
- 神经网络连接主义,BP算法,黑箱模型,手动调参数,缺乏理论指导
- 支持向量机SVM,统计学习为支撑
- 深度学习很多层神经网络,下功夫调参数,缺乏理论基础,降低应用门槛,样本量大,强力计算机
- 数据分析师机器学习的舞台!!!
- 数据挖掘数据库领域的研究为数据挖掘提供管理技术,机器学习和统计学为数据挖掘提供数据分析技术