机器学习入门（一）--基本术语的了解 上篇

各类数据源于周志华教授的《机器学习》，阅读时囫囵吞枣，记录在此只为帮助理解，具体请自行查看。

例子：西瓜的数据三组

        a、色泽=青绿；瓜蒂=蜷缩；敲声=浊响

        b、色泽=乌黑；瓜蒂=微蜷；敲声=沉闷

        c、色泽=浅白；瓜蒂=硬挺；敲声=清脆

1 基本术语

 1.1 数据集

例子中每一组都是一条记录，而这三组数据的集合称为一个“数据集”。

1.2 示例（instance）/样本（sample）

其中每条记录都是关于一个事件或对象（例子中的西瓜）的描述，称为一个“示例”或”样本“。

注：有时候整个数据集也可以称作一个“样本”，因为它可以看作对“样本空间”的一个采样。

1.3 属性（attribute）/特征（feature）

反映事件或对象在某方面的表现或性质的事项（例子中的“色泽”、“瓜蒂”和“敲声”）称为“属性”或“特征”。

1.4 属性值（attribute value）

属性上的取值称为“属性值”

1.5 属性空间（attribute space）/样本空间（sample space）/输入空间

属性张成的空间称为“属性空间”、”样本空间“或"输入空间“（例如将“色泽”、“瓜蒂”和“敲声”作为三个坐标轴张成的描述西瓜的三维空间）

1.6 特征向量（feature vector）

在“属性空间”中每个西瓜都能在其中找到自己的坐标，因此我们把一个”示例“也叫做”特征向量“。

1.7 维数（dimensionality）

一般令表示包含m个“示例”的“数据集”，每个”示例“由d个”属性“描述（例子中的西瓜使用了3个”属性“），则是d维”样本空间“X中的一个向量，其中是在第j个”属性“上的取值（例子中第三个西瓜在第二个“属性”上的值是”硬挺“），d则称为样本的”维数“。

1.8 学习（learning）/训练（training）

从数据在学得模型的过程称为”学习或”训练“，这个过程通过执行某个学习算法来完成。

1.9 训练数据（training data）

训练过程中使用的数据称为“训练数据”。

1.10 训练样本（training sample）

其中每一个样本称为一个“训练样本”。

注：训练样本也称为“训练示例”（training instance）或“训练例”。

1.11 训练集（training set）

“训练样本”组成的集合。

1.12 假设（hypothesis）

学得模型对应了关于数据的某种潜在规律称为“假设”。

1.13 真相/真实（ground-truth）

潜在规律本身就称为“真相”或“真实”。

注：学习算法通常有参数需设置，使用不同参数值和训练数据，将产生不同的结果