机器学习学习笔记1

1支持向量机：这个名字强调了此类学习器的关键是如何从支持向量构建出解，同时也暗示其复杂度与支持向量的个数有关。

2支持向量机的一个重要性质：训练完成后，大部分的训练样本都不需保留，最终模型仅与支持向量有关。

3朴素贝叶斯分类器：基于贝叶斯定理，和一个最基本的假设，给定的目标值属性之间条件独立。

4先验概率：根据以往经验和分析得到的概率

  后验概率：根据贝叶斯公式，由先验概率和似然函数计算出来。

             事情还没有发生，要求这件事情发生的可能性的大小，是先验概率。事情已经发生，要求这件事情发生的原因是由某个因素引起的可能性的大小，是后验概率。

   似然函数：可认为是条件概率，在给定某些属性值后，其的条件概率函数公式即为似然函数。

            概率描述了已知参数时的随机变量的输出结果；似然则用来描述已知随机变量输出结果时，未知参数的可能取值。

           概率用于在已知一些参数的情况下，预测接下来的观测所得到的结果，而似然性则是用于在已知某些观测所得到的结果时，对有关事物的性质的参数进行估计。

5最大似然估计：在已知试验结果（即是样本）的情况下，用来估计满足这些样本分布的参数，把可能性最大的那个参数作为真实的参数估计。

6回归问题：输入变量与输出变量均为连续变量的预测问题

  分类问题：输出变量为有限个离散变量的预测问题

  标注问题：输入变量与输出变量均为变量序列的预测问题