机器学习西瓜书—第一章(学习笔记)

本文为机器学习经典教材的学习笔记,主要探讨了基本术语,如示例、属性、特征向量、监督学习和无监督学习。同时,深入解释了假设空间的概念,以及归纳偏好在模型选择中的作用,强调了奥卡姆剃刀原则的重要性。
摘要由CSDN通过智能技术生成

1.1  基本术语

一条记录是关于一个事件或者对象的描述,称为一个示例(instance)样本(sample)。

反映事件或对象在某方面的表现或性质的事项,称为属性(attribute)特征(feature)。

属性的取值称为属性值(attribute value)

属性张成的空间称为属性空间(attribute space)样本空间(sample space)输入空间。

空间中的每个点对应一个坐标向量,一个示例也称为一个特征向量(feature vector)。

从数据中学得模型的过程称为学习(learning)训练(training)

学得模型对应了关于数据的某种潜在规律,因此称为假设(hypothesis),潜在规律则称为真相真实(ground-truth)

关于示例结果的信息称为标记(lable),拥有了标记信息的示例,则称为样例(example)。

所有标记的集合称为

  • 2
    点赞
  • 2
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值