学习《机器学习实战》——相关术语

在这里记录下我学习机器学习的过程以及遇到的问题。

机器学习：将无序的数据转换成有序的数据。

其中有几个术语如下：

训练集：我们为算法输入大量的已分类数据作为算法的训练集。

目标变量：机器学习算法的预测结果，分类算法中目标变量的类型是离散型，而在回归算法中通常是连续型。

训练样本集必须确定知道目标变量的值，以便机器学习算法可以发现特征和目标变量之间的关系。

监督学习：

分类器算法：将实例数据划分到合适的分类中，目标变量为离散型。

回归算法：预测数值型数据，例如数据拟合曲线。

无监督学习：

聚类：将数据集合分成由类似的对象组成多个类的过程。

密度估计：寻找描述数据统计值的过程。

开发机器学习应用程序的步骤：

1. 收集数据
2. 准备输入数据
3. 分析输入数据
4. 训练算法
5. 测试算法
6. 使用算法