2021-05-21

西瓜书学习（一）

数据集中每条记录是关于一个事件或者对象的描述，称为一个“示例”或者“样本”，反映事物或对象在某些方面的表现或者性质，例如“色泽”、“根蒂”称之为“属性”或者”特征“，

然后对“属性”进行取值，称为“属性值”。属性展开形成"属性空间“、“样本空间”、“输入空间”，每个样本度可以找到自己的坐标点，每个点对应一个坐标向量，即为“特征向量”。

D={X1;X2...Xm}表示包含m个样本示例的数据集，每个样本具有d个属性描述，则每个示例表示为Xi=（xi1;xi2;....xid)是d维样本空间中的一个向量.xij表示为xi在第j个属性上的取值。d为维数。

从数据学得模型叫”学习“或者'训练“，这个过程需要通过学习某个算法。”训练数据“-”训练样本“-”训练集“。学习过程为了给数据和参数空间实例化。

建立关于“预测”的模型，要有“数据”和“结果”。例如“（（色泽=青绿；根蒂=蜷缩；声音=浑浊），好瓜）”，“好瓜”称为“lable"。yi是xi的标记。

预测的是离散值，例如“好瓜”、“坏瓜”称为“分类（classification）；预测是连续值，例如西瓜成熟度为0.97 、0.35、称为回归（regression)。通过训练集{（x1,y1),(（x2,y2)...(xm,ym)}进行学习，建立一个输入空间到输出空间的映射：对于二分类任务为”{-1,1}或者{0,1}对于多分类任务Y=R,R为实数集。“聚类”将训练集上西瓜分为若干组，每组一个“簇"。

分类和回归是监督学习，聚类为无监督学习。从样例中学习“是归纳的过程。