机器学习入门——机器学习基本概念

@机器学习

什么是机器学习

机器学习(Machine Learning, ML)是一门多领域交叉学科，涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。专门研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的性能。
它是人工智能的核心，是使计算机具有智能的根本途径，其应用遍及人工智能的各个领域，它主要使用归纳、综合而不是演绎
简单来说机器学习就是机器学习是用数据或以往的经验，以此优化计算机程序的性能标准。从数据中挖掘潜在的规律，以便在下次遇到相似的数据时能够进行分析，就好像我们做大量练习题一样来巩固知识点和知识点之间的联系，以便我们在高考的时候取得更好的成绩

机器学习-输入

基本概念：
1、特征向量：X=（x1，x2，…，xN）
简单来说就是特征的集合，描绘了一个我们研究的对象
比如我们要描述一个人，那么我们就要用到身高，体重，肤色，工作等特征，我们把这些特征放入一个向量中就构成了我们所说的特征向量，特征向量有多个维度，每个维度代表特征向量的取值，就像数据库中的一张表
2、标签：{y|y属于{-1,0，1,2}}
表示特征向量所属的类别
如上述例子，人分为好人坏人，好人坏人就是人的标签，特征向量和标签是成对出现的，映射在数学意义上可以用0和1表示，当标签未知可以用-1表示，标签一般从0开始
3、数据集：特征向量和标签的集合s={（X1࿰