机器学习(西瓜书)-01绪论

绪论

机器学习的定义：

机器学习是指计算机系统通过从数据中学习和改进，改善系统自身的性能

基础术语

**样本(示例)：**数据集”中每条记录是关于一个事件或对象(这里是一个西瓜)的描述，称为一个"示例"或"样本"

**属性：**反映事件或对象在某方面的表现或性质的事项

**属性值：**属性上的取值

**特征向量：**以几个特征作为坐标系，每个样本都可在这个空间中找到自己的坐标位
置，由于空间中的每个点对应一个坐标向量，每个样本都是特征向量

**训练数据：**训练过程中使用的数据

**假设：**学习模型中关于数据的一般性规律

**学习方法：**学习方法是指根据给定的数据和模型，通过某种策略来调整模型的参数或结构，以使模型能够更好地适应数据，从而实现预测或决策任务。

**监督学习：**给定一组有标记的训练样本，监督学习的任务是学习一个模型，使其能够对新样本进行准确的标记预测。

**无监督学习：**无监督学习的任务是从无标记的数据中发现数据的内在结构和模式，例如聚类任务。

**假设空间：**机器学习算法在学习过程中可以选择的所有可能模型的集合。在假设空间中，每个模型代表了对数据的一种假设或表示。假设空间的选择对于机器学习算法的性能和能力具有重要影响。

泛化：训练的模型能适应新样本的能力

独立同分布：从同一分布中独立地采样得到的随机变量具有相同的分布