一些重要概念
从数据中学得模型的过程称为“学习” (learning )或“训练” (training ), 这个过程通过执行某个学习算法来完成.训练过程中使用的数据称为“训练 数据" (training data ), 其中每个样本称为一个“训练样本" (training sample ), 训练样本组成的集合称为“训练集" (training set ). 学得模型对应了关于数据 的某种潜在的规律,因此亦称“假设" (hypothesis ); 这种潜在规律自身,则称 为“真相”或“真实” (ground-truth ), 学习过程就是为了找出或逼近真相.本书有时将模型称为“学习器” (learner ), 可看作学习算法在给定数据和参数空间上的实例化
若我们欲预测的是离散值,例如“好瓜”“坏瓜”,此类学习任务称为 “分类" (classification); 若欲预测的是连续值,例如西瓜成熟度 0.95、0.37, 此类学习任务称为“回归” (regression).
学得模型后,使用其进行预测的过程称为“测试” (testing), 被预测的样本 称为“测试样本” (testing sample).
还可以对西瓜做“聚类" (clustering), 即将训练集中的西瓜分成若干 组,每组称为一个“簇”(cluster); 这些自动形成的簇可能对应一些潜在的概念划分,这样的学习过程有助于我们了解数据内在的规律,能为更深入地分析数据建立基础.需说