深度学习之机器学习基本概念

训练集：用来训练，产生模型或者算法的数据集
测试集：用来测试以及学习好的模型或者算法的数据集，假设只知道特征不知道结果，用模型得出的结果与已有的结果进行对比
特征向量：属性的集合，通常用向量来表示，与具体的实例有关。（影响结果的因素
有关）
标记 label：对结果类别的标记
正例：正面的结果，比如：是
反例：反面的结果，比如：否

分类问题 classification：目标标记为类别型数据，比如：是或者否
回归问题 regression：目标标记为连续型数值

有监督学习 supervised learning：训练集有类别标记，即训练时不知道标记（不知道结果）
无监督学习 unsupervised learning：无类别标记
半监督学习 semi-supervised learning： 有类别标记的训练集+无类别标记的训练集

机器学习步骤框架：

1. 把数据拆分为训练集和测试集
2. 用训练集和训练集的特征向量算法训练算法
3. 用学习好的算法运用在测试集上来评估算法