机器学习基本概念 训练集:用于建立学习模型的数据集 测试集:用于测试学习模型的表现的数据集 特征值:数据集中的若干个属性值 监督学习:从标记的训练数据来推断一个功能的机器学习任务(每个样本有确切的目标值) 非监督学习:给定大量的数据,划分出数据的相应结构,按照结构的不同产生若干个簇(比如:聚类算法) 半监督学习:半监督学习使用大量的未标记数据,以及同时使用标记数据,来进行模式识别工作。 分类:分类问题通常是用来将事物打上标签 回归:回归问题通常是用来预测趋势