DataWhale-西瓜书Task01

西瓜书第一章
基本术语：

• 模型（model）
• 学习算法（learning algorithm）
• 样本（sample）：一条关于西瓜的描述记录，例如（色泽=乌黑；根蒂=稍倦；敲声=沉闷）
• D={X1,X2,…,Xm}表示包含m个样本的数据集
• Xi={Xi1，Xi2，…，Xid}，其中Xij是Xi在第j个属性上的取值，d称为样本的“维数（dimensionality）”
• 标记（lable）：指样本结果这一信息，比如“好瓜”、“坏瓜”
• 样例（example）：指拥有标记信息后的样本
• 回归（regression）：若欲预测的是连续值，此类的学习任务称为回归任务，例如西瓜的成熟度：0.95、0.70、0.37
• 分类（classification）：若欲预测的是离散值，此类的学习任务称为分类任务，例如“好瓜”、“坏瓜”
• 二分类任务（binary classification）：一个类是正类（positive class），另一个类是反类（negative class）
• 测试（testing）：利用模型对样本进行预测的过程，被预测的样本称为”测试样本“
• 聚类（clustering）： 将数据集分为若干组，每组就称为一个簇
• 监督学习（supervised learning）和无监督学习（unsupervised learning）：根据训练数据是否有标记
• 泛化（generalization）能力：模型适用于新样本的能力
• 独立同分布
• 归纳（induction）和演绎（deduction）
• 版本空间（version space）：与训练集一致的假设集合

第二章：模型评估与选择

• 错误率（error rate）：E=a/m
• 精度（accuracy）：精度=1-错误率
• 误差（error）：
• 训练误差（training error）：
• 泛化误差（generalization error）：
• 过拟合（overfitting）：将样本本身的一些特点当作了所有潜在样本都会具有的一般性质
• 欠拟合（underfitting）：对训练样本的一般性质尚未学习好
• 采样（sampling）：
• 分层采样（stratified sampling）：保留类别比例的采样方式
• 评估方法：留出法、交叉验证法、自助法、
• 验证集（validation set）：用于评估测试的数据集
• 查准率（precision）：挑出的西瓜中有多少比例是好瓜
• 查全率（recall）：所有的好瓜中有多少比例被挑了出来
• F1
• BEP（平衡点）：
• 统计假设检验：
• McNemar检验：
• Friedman检验和nemenyi后续检验
• 偏差-方差分解（bias-variance decomposition）：解释学习算法泛化性能的一种重要工具