机器学习入门 笔记(二) 机器学习基础概念

1、机器的数据

我们以鸢尾花的数据为例。收集大量鸢尾花的数据，花瓣的萼片长度、萼片宽度、花瓣长度、花瓣宽度，同时标记属于se、ve、vi三种鸢尾花之一。

• 数据的整体叫做数据集。
  我们收集的所有鸢尾花的数据就是一个数据集。

• 每一行数据称为一个样本。
  （萼片长度=5.1，萼片宽度=3.5，花瓣长度=1.4、花瓣宽度=0.2、花期=se(0)），这样一行记录，称之为一个样本。

• 除最后一列，每一列表达样本的一个特征。
  我们把萼片长度、萼片宽度、花瓣长度、花瓣宽度，叫做样本的特征。
  （萼片长度=5.1，萼片宽度=3.5，花瓣长度=1.4、花瓣宽度=0.2）称为一个样本的特征向量。赋予语义以后，通常用一个列向量表示。
  

• 最后一列，称之为标记。
  根据花朵的所有特征以及采集时花朵的状态，我们可以对花朵的花朵的花期进行标记，标记为待开的se(0)、盛放的ve(1)、凋谢的vi(2)三种。

• 用大写字母X表示特征矩阵，用小写字母表示y表示标记。第i个样本行写作

第i个样本第j个特征值

第i个样本的标记写作