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