本文介绍了机器学习的基本术语，包括样本、属性、训练集和测试集。讨论了误差与过拟合的概念，解释了训练误差与测试误差的区别。此外，还概述了评估学习器性能的方法，如留出法和交叉验证法。
机器学习第一、二章
基本术语
- 示例/样本/特征向量： 关于事件/对象描述的记录
- 数据集： 一组记录的集合
- 属性： 反映事件/对象在某方面的性质或事项
- 属性空间/样本空间/输入空间： 属性组成的空间
- 训练/学习： 从数据中学得模型的过程
- 训练数据： 训练过程中使用的数据
- 训练样本： 训练过程中数据的每一个样本
- 训练集： 样本组成的集合
- 样例： 拥有了标记信息的示例
- 分类： 预测 离散值 的学习任务
- 回归： 预测 连续值 的学习任务
- 二分类任务： 只涉及两个类别的学习任务，分别为‘正类’、‘反类’
- 多分类任务： 设计多个类别的任务
- 测试： 学得模型后，使用其进行预测的过程
- 测试样本： 被预测的样本
- 监督/无监督学习： 根据训练集是否拥有标记信息，学习任务可分为‘监督学习’和‘无监督学习’
最低0.47元/天 解锁文章
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
