人工智能学习之路——基本术语

基本术语

• 数据集：一组记录的集合

• 记录：关于一个事件或对象的描述，又称“示例/样本”
  如关于一个西瓜的记录：（色泽=浅白；根蒂=硬挺；敲声=清脆） 多个西瓜的记录又可以构成一组西瓜的数据集

• 属性：反映事件或对象在某方面的表现或性质的事项
  如"色泽"，“敲声”

• 属性空间：属性张成的空间
  如把“色泽”“根蒂”“敲声”作为三个坐标轴，则张成一个用于描述西瓜的三维空间 用于表述西瓜的三维空间，每个西瓜都有对应的坐标 ， 空间中每一个点对应一个坐标向量，一个示例也称为“特征向量”
  

• 学习/训练：从数据中学得模型的过程

• 训练数据：训练过程中使用的数据

• 训练样本：其中每一个样本称为“训练样本”

• 训练集：训练样本组成的集合

• 假设：指学得的模型，对应于关于数据的某种潜在的规律

• 真相/真实：潜在规律的本身

• 学习过程：就是为了找出真相或逼近真相

• 标记（lable）：关于示例的结果，如“好瓜”
  （（色泽=浅白；根蒂=硬挺；敲声=清脆），好瓜）
  一般地：
  

若欲预测的是离散值，“好瓜”“坏瓜”；此类学习任务称为“分类（classification）”；只涉及到两个类别，称为“二分类（binary classification）”
若欲预测的是连续值，西瓜的成熟度0.94,0.37； 此类学习任务称为“回归（regression）”
还可以对西瓜进行“聚类”（clustering）将训练集中的西瓜分为若干组，每组称为一个“簇”（cluster），如浅色瓜，深色瓜
根据训练数据是否拥有标记信息，学习任务可分为：“监督学习”（supervised learning），“无监督学习”（unsupervised learning）
“分类”，“回归”是“监督学习”代表，“聚类”是“无监督学习”代表

• 测试（testing）：学得模型后，使用模型进行预测的过程

• 测试样本（testing sample）：被测试的样本
  
  f：模型； y：标记（lable）；x：测试例

• 泛化：学得的模型适应新样本的能力