第一章 绪论
1.1 引言
- 举例:通过确定西瓜的色泽,根蒂卷曲,敲击声音浊响,我们可以判断出西瓜的好坏。这个过程是我们人类通过经验做出判断的整个过程,而机器学习就是教会计算机学会这一过程。
- 机器学习:致力于研究通过数据(经验),产生模型(常识),从而在面对新的问题时,能够给出一定的判断,利用数据,通过计算,改变自身系统的性能与准确度。
1.2 基本术语
- Dataset 数据集:收集到的西瓜数据(每个西瓜的色泽,根蒂,敲击声等数据)的集合
- attribute属性:西瓜的色泽,根蒂,敲击声
- attribute value属性值:每个属性对应的取值
- attribute space属性空间 / 样本空间:属性组成的空间
- feature vector特征向量:也称为instance 或者 sample,是数据集合中对一个时间或对象(西瓜)的描述
- dimension维数:feature vector中有几个属性
- training data训练数据:training过程中输入的数据
- training sample训练样本:训练过程中的每一个sample成为training sample
- training dataset 训练集:训练数据所组成的集合
- hypothesis 假设:模型对应的某