第一章 绪论
基本术语
- 示例(instance)或样本(sample):关于一个事件或对象的描述的一条记录
- 数据集(data set):所有记录的集合
- 属性(attribute)或特征(feature):反映事件或对象在某方面的表现或性质的事项
- 属性值(attribute value):属性上的取值
- 属性空间(attribute space)、样本空间(sample space)或输入空间:属性张成的空间;属性的个数就是其维度,例如有3个属性,那么张成的空间就是三维空间;每个属性都可以在这个空间中找到自己的坐标位置;因此,也把一个示例成为一个特征向量(feature vector)
- 学习(learning)或训练(training):从数据中学的模型的过程,这个过程通过执行某个算法来完成
- 训练数据(training data):训练过程使用的数据
- 训练样本(training sample):训练数据中的每个样本
- 训练集(training set):训练样本组成的集合
- 假设(hypothesis):学的模型对应了关于数据的某种潜在规律
- 假设空间:所有假设组成的空间
- 学习器(learner):学得的模型,可看作学习算法在给定数据和参数空间上的实例化
- 标记(label):关于示例结果的信息
- 样例(example):拥有了标记信息的示例
- 标记空间(label space)或输出空间:所有标记的集合
- 测试(testing):学的模型后,使用其进行预测的过程
- 测试样本(testing sample):被预测的样本
- 分类(classification):预测的是离散值
- 回归(regression):预测的是连续值
- 聚类(clustering):将训练集划分为若干组,每组称为一个簇
- 泛化(generalization):学的模型适用于新样本的能力
- 归纳偏好(inductive bias):机器学习算法在学习过程中对某种类型假设的偏好
假设空间
对于书中列举的西瓜问题的假设空间问题有如下前提条件:
- 假设西瓜有三种属性:色泽、根蒂、敲声
- 假设色泽=[青绿,浅白,乌黑]、根蒂=[蜷缩,硬挺,稍蜷]、敲声=[浊响,沉闷,清脆]
- 用通配符“*”表示可以选取任意值
- 用Ø表示没有这个东西,或是这个概念不成立
根据上面四个前提条件,我们可以得到如下的4x4x4+1=65种可能的情况:
- 色泽=青绿;根蒂=蜷缩;敲声=浊响
- 色泽=青绿;根蒂=蜷缩;敲声=沉闷
- 色泽=青绿;根蒂=蜷缩;敲声=清脆
- 色泽=青绿;根蒂=蜷缩;敲声=*
- 色泽=青绿;根蒂=硬挺;敲声=浊响
- 色泽=青绿;根蒂=硬挺;敲声=沉闷
- 色泽=青绿;根蒂=硬挺;敲声=清脆
- 色泽=青绿;根蒂=硬挺;敲声=*
- 色泽=青绿;根蒂=稍蜷;敲声=浊响
- 色泽=青绿;根蒂=稍蜷;敲声=沉闷
- 色泽=青绿;根蒂=稍蜷;敲声=清脆
- 色泽=青绿;根蒂=稍蜷;敲声=*
- 色泽=青绿;根蒂=*;敲声=浊响
- 色泽=青绿;根蒂=*;敲声=沉闷
- 色泽=青绿;根蒂=*;敲声=清脆
- 色泽=青绿;根蒂=*;敲声=*
- 色泽=浅白;根蒂=蜷缩;敲声=浊响
- 色泽=浅白;根蒂=蜷缩;敲声=沉闷
- 色泽=浅白;根蒂=蜷缩;敲声=清脆
- 色泽=浅白;根蒂=蜷缩;敲声=*
- 色泽=浅白;根蒂=硬挺;敲声=浊响
- 色泽=浅白;根蒂=硬挺;敲声=沉闷
- 色泽=浅白;根蒂=硬挺;敲声=清脆
- 色泽=浅白;根蒂=硬挺;敲声=*
- 色泽=浅白;根蒂=稍蜷;敲声=浊响
- 色泽=浅白;根蒂=稍蜷;敲声=沉闷
- 色泽=浅白;根蒂=稍蜷;敲声=清脆
- 色泽=浅白;根蒂=稍蜷;敲声=*
- 色泽=浅白;根蒂=*;敲声=浊响
- 色泽=浅白;根蒂=*;敲声=沉闷
- 色泽=浅白;根蒂=*;敲声=清脆
- 色泽=浅白;根蒂=*;敲声=*
- 色泽=乌黑;根蒂=蜷缩;敲声=浊响
- 色泽=乌黑;根蒂=蜷缩;敲声=沉闷
- 色泽=乌黑;根蒂=蜷缩;敲声=清脆
- 色泽=乌黑;根蒂=蜷缩;敲声=*
- 色泽=乌黑;根蒂=硬挺;敲声=浊响
- 色泽=乌黑;根蒂=硬挺;敲声=沉闷
- 色泽=乌黑;根蒂=硬挺;敲声=清脆
- 色泽=乌黑;根蒂=硬挺;敲声=*
- 色泽=乌黑;根蒂=稍蜷;敲声=浊响
- 色泽=乌黑;根蒂=稍蜷;敲声=沉闷
- 色泽=乌黑;根蒂=稍蜷;敲声=清脆
- 色泽=乌黑;根蒂=稍蜷;敲声=*
- 色泽=乌黑;根蒂=*;敲声=浊响
- 色泽=乌黑;根蒂=*;敲声=沉闷
- 色泽=乌黑;根蒂=*;敲声=清脆
- 色泽=乌黑;根蒂=*;敲声=*
- 色泽=*;根蒂=蜷缩;敲声=浊响
- 色泽=*;根蒂=蜷缩;敲声=沉闷
- 色泽=*;根蒂=蜷缩;敲声=清脆
- 色泽=*;根蒂=蜷缩;敲声=*
- 色泽=*;根蒂=硬挺;敲声=浊响
- 色泽=*;根蒂=硬挺;敲声=沉闷
- 色泽=*;根蒂=硬挺;敲声=清脆
- 色泽=*;根蒂=硬挺;敲声=*
- 色泽=*;根蒂=稍蜷;敲声=浊响
- 色泽=*;根蒂=稍蜷;敲声=沉闷
- 色泽=*;根蒂=稍蜷;敲声=清脆
- 色泽=*;根蒂=稍蜷;敲声=*
- 色泽=*;根蒂=*;敲声=浊响
- 色泽=*;根蒂=*;敲声=沉闷
- 色泽=*;根蒂=*;敲声=清脆
- 色泽=*;根蒂=*;敲声=*
- Ø
版本空间
给定的西瓜数据表如下所示:
编号 | 色泽 | 根蒂 | 敲声 | 好瓜 |
---|---|---|---|---|
1 | 青绿 | 蜷缩 | 浊响 | 是 |
2 | 乌黑 | 蜷缩 | 浊响 | 是 |
3 | 青绿 | 硬挺 | 清脆 | 否 |
4 | 乌黑 | 稍蜷 | 沉闷 | 否 |
- 对于第一个正例,符合要求的假设是编号:1、4、13、16、49、52、61、64
- 对于第二个正例,符合要求的假设是编号:33、36、45、48、49、52、61、64
- 对于第三个反例,符合要求的假设是编号:7、8、15、16、55、56、63、64
- 对于第四个反例,符合要求的假设是编号:42、44、46、48、58、60、62、64
对两个正例求交集得到49、52、61、64,再去除反例中的最后得到假设空间为{49,52,61};即,如下图所示