【机器学习实战】第1章 知识点笔记

第1章 机器学习概览

1.1 什么是机器学习

机器学习的工程化概念：一个计算机程序利用经验E来学习任务T，性能是P，如果针对任务T的性能P随着经验E不断增长，则称为机器学习。

1.4 机器学习系统的类型

机器学习系统可分为以下四个主要类别：

有监督学习、无监督学习、半监督学习和强化学习。

有监督学习中，提供给算法的包含所需解决方案的训练集称为标签。包括分类任务和回归任务。

分类任务例如，在垃圾邮件分类的训练集中，每个实例被标注了 是/否为垃圾邮件。

回归任务：通过一组特征（预测器）预测一个目标数值，训练集包括预测器和标签。通常有多个输入特征，有时有多个输出值。

特征和属性：属性是一种数据类型（如“里程”），特征是一个属性加上其值（如“里程=15000”）。

一些回归算法也可用于分类任务，如逻辑回归，因为它可以输出“属于某个给定类型的概率”的值。

无监督学习中，训练数据都是未经标记的。如聚类、异常检测、可视化和降维、关联规则学习。

降维可将多个相关特征合并为一个，即特征提取。