初识人工智能--基本概念

在机器学习中，我们接触到的第一样事物，就是机器学习所需的前提：

所需数据：训练集、测试集、特征值。

训练集：用来进行训练，也就是产生模型或者算法的数据集

训练集-->也就是训练数据，当我们选定一些学习模型给予机器时，我们会给予机器一定的训练数据，进行参数估计，然后比对测试集的数据，根据每个模型的误差值来选择一个具体的模型，做为机器学习的首选模型。

测试集：用来专门进行测试已经学习好的模型或者算法的数据集

测试集-->测试数据，一般用来比对经过训练集训练后模型输出的数据，用来检验误差模型的误差值。

特征值：属性的集合，通常用一个向量来表示，附属于一个实例

实例集合：假设集合为X；（X包含了训练集的所有的属性）；
假设目标函数为y，那么我们最终想要得到的结果就全部放在y集合中。
x: 每一个实例
X: 样例, 所有实例的集合
学习目标：f: X -> Y

**eg：假设有一个训练集：**

---

身高	体重	发长	年龄	性别	所属实例
178cm<