AI作业1-ML基础

1.监督学习、 无监督学习
监督学习：从标注数据种学习预测模型

无监督学习 ：从无标记的训练数据中推断结论

2. 分类、 回归
分类：将事务分成特定的类型

回归：建立变量之间的函数关系

3. 聚类、 降维
聚类：常见的无监督算法，让样本聚成不同的类型

降维：降低数据的维度，主成分分析就含有降维技术

4. 损失函数
损失函数：描述实际值与预测值差距的一种函数

5.训练集、测试集、验证集
训练集：用来训练模型以及确定参数

验证集：用于确定网络结构以及调整模型的超参数，来确定是否需要继续训练

测试集：用于检验模型的泛化能力，测试集用来形容模型能力的好坏

6. 过拟合、欠拟合
过拟合：训练过度，只对训练集的效果好，对测试集的效果差

欠拟合：训练的不够，对训练集和测试集的效果都差

7.经验风险、期望风险
经验风险：经验风险来源于训练数据集，训练数据集的平均损失也称为经验风险。

期望风险：期望风险针对的是全体数据。也就是已有的数据，未有的数据都包括在内。