什么是机器学习?
机器学习就是计算机通过对**数据集(data set)进行计算,得出一个学习算法(learning algorithm)**的过程。
通过这个学习算法,我们可以预测整个**样本空间(sample space)**内剩余的数据的结果,这就是机器学习。
概念解释
- 样本(sample)/示例(instance):单独的一个对象,由于我们可以用每个特征值为坐标轴绘制一份坐标图,每个对象都可以在这个空间中找到相应的点,而每个点对应一个坐标向量,因此我们也称一个示例为一个特征向量(feature vector)。
-
属性(attribute)/特征(feature):对象所具有的特性。
-
标记(label):人为设定的,判断样本好坏的依据。当样本具有标记时,则称为样例(example)。
-
监督学习(supervised learning):每个数据都告诉计算机标记。常见有:回归问题(regression problem)、分类问题(classification problem)。
-
回归问题(regression problem):对于连续型变量。比如判断西瓜的成熟度是多少,0.9,0.8…
-
分类问题(classification problem):对于离散型变量。比如判断西瓜是好瓜还是坏瓜。
-
-
无监督学习(unsupervised learning):每个数据无标记,让计算机自行划分类。
- 聚类(clustering):将特征类似的数据自动归类在一起,使人们能发现它的一些特征。
-
归纳(induction):从特殊值得到一般规律的过程。
-
演绎(deduction):从一般规律得到特殊值的过程。
-
归纳偏好(induction bias):任何有效的机器学习必有它的偏好。对于两种没出现过的数据,机器一定会采取倾向其中一种的方法,就是归纳偏好。
-
奥卡姆剃刀原则:如果多种方法都可行,那么倾向于选择最简单的那种方法去解决问题。
-
NFL定理(No Free Lunch Theorem):没有免费的午餐定理。简单理解就是不管是什么样的模型,它们的理论期望性能都是相同的。必须要根据实际的数据才能决定好坏。即“脱离实际意义,空谈学习算法好坏”是毫无意义的。