上次吃瓜给忘记了,领队也没提醒,好在可以补。本次参加还是想系统学习西瓜书,其实我已经买了只是没有看,这次有吃瓜教程,可以一次吃两个瓜,希望把西瓜和南瓜都吃了。
task1主要是一些基本概念的梳理
假设空间
使用的函数
版本空间
所有能够拟合训练集的模型构成的集合。
算法
模型方法,如线性回归、多项式回归等。
模型
算法产出的结果,具体的函数。
样本
描述事件或对象的数据点,由特征向量表示。
向量各个维度称为特征或者属性
向量中的元素⽤分号;分隔时表示此向量为列向量,⽤逗号 , 分隔时表示为⾏向量
这个知识点我还是觉得挺细节的
标记
样本在某个方面的信息
样本空间和标记空间
分别表示样本特征向量和标记所在的空间。
学习任务分类
分类(离散型标记)、回归(连续型标记)、监督学习(使用标记信息)、无监督学习(不使用标记信息)。
数据集
包含多个样本的集合,每个样本具有相同数量的特征。
泛化
模型对未知数据的预测能力。
分布
样本空间的概率分布,假设样本独立同分布。
归纳偏好
不同的机器学习算法有不同的偏好