吃瓜教程 —— 第一、二章

一. 绪论

1. 初识机器学习

1.1 基本术语

1. 数据集，作为数据记录的集合；
2. 示例（样本），关于一个事件或对象地描述；
3. 属性（特征），反映事件或对象在某方面的表现或性质的事项；
4. 属性值，属性上的取值；
5. 属性空间（样本空间、输入空间，属性张成的空间；
6. 特征向量，空间中的每一个实例。

训练集的介绍
从数据中学得模型的过程称为"学习"或"训练", 这个过程通过执行某个学习算法来完成.训练过程中使用的数据称为"训练数据"，其中每个样本称为一个“训练样本", 训练样本组成的集合称为"训练集".

1.2 建立关于“预测”的模型任务

• 当预测对象为离散值，称为“分类”任务；当预测对象为连续值，称为“回归”任务；
• 当预测对象涉及两个，称为“二分类”任务，其中一个为“正类”，另一个为“反类”；当预测对象为多个时，称为“多分类”任务；
• 将数据集中的数据分成若干组，每组称为一个“簇”，即聚类任务。