本文旨在梳理机器学习初学者在数据集相关概念上的理解，重点探讨样本空间、假设空间和版本空间的区别和联系。样本空间包含所有已知样本，假设空间则涵盖所有可能的特征值组合，而版本空间是符合训练数据的假设子集。通过绘制思维导图和撰写直观图，帮助读者清晰掌握这些核心概念。
学习目标：
- 理解并掌握机器学习入门相关的概念和基本术语
学习内容：
1.思维导图整理
在这其中容易混淆的是数据集以及由数据集衍生出来的一系列概念，画张图出来会清晰很多，而概念的清晰能够帮助后续自学以及阅读各种中英文文献。
2.重难点
我认为本章重难点在于搞清楚样本空间、假设空间、版本空间的区别和联系。
样本空间：所有已知样本的集合，也就是已知数据集。
假设空间：不同特征的所有可能的特征值的排列组合。
版本空间：在假设空间的所有可能的样本中，符合当前训练集结果的样本集合。
假设空间与版本空间可参考：这条博文
学习产出：
- 思维导图 1张
- CSDN 技术博客 1 篇
- 直观图1张
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
