机器学习基础-概述：定义、开发流程、术语、分类

机器学习定义

If the system reliably improves its performance P at task T, following experience E.

针对任务T，性能 P 随着经验 E 而不断增加

机器学习项目开发流程

术语

数据集类型：表格数据、文本、图像等

特征、属性、维度；标签

训练集：被学习的数据

测试集：用来评估学习效果的数据

泛化： 一个机器学习模型能够对没见过的数据做出准确判断

过拟合：训练集上表现良好但不能泛化到新数据集上

欠拟合：在训练集上模型就表现很差

损失函数：单样本的模型计算结果与实际值的差异程度。损失函数越小，模型越好

成本函数（ 代价函数）：度量全部样本集的平均误差，成本函数越小，模型训练效果越好

机器学习方法分类

基于数据集是否有标记的分类

监督学习、无监督学习、半监督学习、强化学习