【机器学习】- 第一章

基本术语

模型： 从数据中学到的结果（泛指）

学习算法： 使用计算机从数据中产生“模型”的算法

属性： 反应事件或对象在某方面的表现或性质的事项

记录： 一组属性对应取值的实例

样本： 每条记录是关于一个事件或对象的描述

数据集： 一组这样的记录或样本称为数据集

属性空间： 一组这样的属性组成的空间我们称为属性空间，或者样本空间（属性值我们可以类比坐标轴上的 x，y，z）

维数： 一组属性的个数

特征向量： 对应坐标轴上的一个点（向量），其实就是一个样本，一条记录

标记： 训练样本的结果信息

下面在来看一下机器学习中另外的一些术语：

假设： 由训练集到模型的一种映射

假设空间： 由训练集到所有模型（样本空间）的所有映射

版本空间： 在实际生活中，我们在假设空间中进行搜索，可能会存在多个假设与训练集一致，这样的多个假设就成为“版本空间”

归纳偏好： 在上述版本空间中，出现了多个假设与训练集一致，这时我们必须选出一个最佳的假设，我们心中这个”最佳的“标准就是我们所说的偏好。

学习/训练： 通过使用之前提到的学习算法，将由训练集获得模型的这个过程；也是在假设空间中进行搜索，找到对应的假设的过程。

监督学习：

无监督学习： 训练数据中不含有标记信息，对于不含标记信息的训练样本，我们也希望可以得到它的模型，对于这种能力我们称之为 “泛化能力”

文中基本术语学习 源自《机器学习》——周志华老师