1.1引言
机器学习所研究的主要内容,是关于在计算机上从数据中产生“模型”(model)的算法,即“学习算法”(learning algorithm).
1.2基本术语
数据集(data set),其中每条记录是关于一个事件或对象的描述,称为一个“示例”(instance)或“样本”(sample),"特征向量”.
反映事件或对象在某方面的表现或性质的事项,称为“属性”(attribute)或“特征”(feature);
属性上的取值,称为“属性值”(attribute value).
属性张成的空间称为“属性空间”(attribute space)、“样本空间”(sample space)、“输入空间”.
表示第i个样例,其中
是示例
的标记,Y称为标记空间,输出空间。
预测的是离散值,此类学习任务称为分类(classification);预测的是连续值,此类学习任务称为回归(regression)。
根据训练数据是否拥有标记信息,学习任务大致分为两类:监督学习(supervised learning)和无监督学习(unsupervised learning)。
分类和回归属于监督学习,聚类(clustering)属于无监督学习。
学得模型适用于新样本的能力,称为泛化(generalization)能力。
1.3假设空间
从样例学习是一个归纳过程,称为归纳学习。
1.4假设偏好
机器学习算法在学习过程中对某种类型假设的偏好,称为归纳偏好。简称偏好。
“奥卡姆剃刀”是一种最基本的准则,选择最简单的那个。
1.6应用现状
机器学习提供数据分析能力。机器学习和数据库是数据挖掘的两大支撑。