机器学习基础

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。