机器学习-基本概念

基本概念：测试集，特征集，监督学习，非监督学习，半监督学习，分类，回归

一个简单的监督学习例子

     天气：晴，阴，雨

     温度：暖，冷

     湿度：普通，大

     风力：强，弱

     水温：暖，冷

     预报：一样，变化

     享受运动：是，否

1.这是一个分类问题，最终的结果只有true/false的答案

2.x是每一个实例，X是全部的实例，也就是实例集

3.y,c(x) ->是最后的结局

4.学习的目标就是 x->y

训练集/训练样例：用来进行训练的数据集，用来生成模型或算法的数据集

测试集/测试样例：用来测试以及学习好的模型或者算法

特征向量：属性的集合，通常用一个向量表示，附属于一个实例

标记：c(x)，实例类别的标记

正例：比如是

反例：比如否

 

下一个回归的案例

回归：目标标记为连续性数值

 

有监督学习：训练集有类别标记

无监督学习：训练集无类别标记

半监督学习：有些训练集有标记，有些无标记

 

机器学习步骤框架

1）把数据拆分为训练集和测试集

2）用训练集和训练集的特征向量来训练算法

3）用学习来的算法运用在测试集上来评估算法（涉及到跳转参数，用验证集）