何为机器学习:
简单地说,机器学习就是把无序的数据转换成有用的信息,利用计算机来彰显数据背后的真实含义;机器学习横跨计算机科学、工程技术和统计学多个学科,需要多学科的专业知识;机器学习对于任何需要解释并操作数据的领域都有所裨益。
关键术语:
- 特征(or 属性):如鸟的体重、翼展、脚蹼等特征。
- 目标变量:机器学习算法的预测结果。在分类算法中目标变量的类型通常是标称型(离散型数据,变量的结果只在有线目标集合中取值)的,而在回归算法中通常是连续型的。
- 训练样本:包含特征,和一个目标变量。
- 训练集:是用于训练机器学习算法的数据样本集合,训练集是训练样本的集合。训练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。
- 知识表示:如机器已经学会了如何区分不同的鸟类?知识表示可以采用规则集的形式,也可以采用概率分布的形式,甚至可以是训练样本集中的一个实例。