【22-23 春学期】AI作业1-ML基础

1.监督学习是指在数据集中已有标记的情况下，通过训练模型来预测新的未知数据的标记。无监督学习则是指在数据集中没有标记的情况下，通过分析数据本身的结构和特征，来寻找其中的规律和关系。

2.分类是指将数据分为不同的类别或者标签，如图像分类、文本分类等。回归则是指根据数据的特征来预测一个连续的输出值，如房价预测、销售额预测等。

3.聚类是指根据数据的相似性将数据分为不同的群组或类别，通常用于发现数据中的隐含结构和规律。降维则是指将高维数据降到低维，通常通过保留最重要的特征来减少数据维度。

4.损失函数是用来衡量模型预测值和真实值之间的差距，通常通过优化损失函数来训练模型，使模型能够更好地拟合数据。

5.训练集是用来训练模型的数据集，测试集是用来评估模型性能的数据集，验证集则是用来调整模型超参数的数据集，通常将数据集划分为训练集、测试集和验证集。

6.过拟合是指模型在训练集上表现很好，但在测试集上表现很差的现象，通常是由于模型过于复杂或者训练集过小导致的。欠拟合则是指模型无法很好地拟合数据，表现出的误差较大，通常是由于模型过于简单或者数据特征不足导致的。

7.经验风险是指模型在训练集上的平均误差，期望风险则是指模型在所有可能输入上的平均误差，通常我们的目标是通过优化经验风险来使期望风险最小化。