机器学习-学习笔记(一) --> (假设空间 & 版本空间)及 归纳偏好

机器学习

一、机器学习概念

啥是机器学习

机器学习:假设用P来评估计算机程序在某任务类T上的性能,若一个程序通过利用经验E在T中任务上获得了性能改善,则关于T和P,该程序对E进行了学习
通俗讲:通过计算的方式,利用经验来改善系统自身性能
研究主要内容:“学习算法”–> 从数据中产生模型的算法

基本术语

  1. 模型(model):全局性结果;模式(mode):局部性结果
  2. 数据集(data set):记录的集合(机器学习开源数据集
  3. 样本(sample)、示例(instance):关于一个事件或对象的描述
  4. 属性(attribute)、特征(feature):事件或对象在某方面的表现或性质
  5. 属性值(attribute value):属性的取值
  6. 属性空间(attribute space)、样本空间(sample space):属性作为坐标轴张成的空间
    《机器学习-学习笔记(一) --> (假设空间 & 版本空间)及 归纳偏好》” /></li><li><strong>特征向量</strong>(feature vector):一个样本在样本空间中对应的坐标向量</li><li><strong>维数</strong>(dimensionnality):属性的个数</li><li><strong>学习</strong>(learning)、<strong>训练</strong>(training):从数据中学得模型的过程</li><li><strong>标记</strong>(label):关于示例结果的信息</li><li><strong>样例</strong>(example):拥有了标记信息的示例</li><li><strong>标记空间</strong>(label space):所有标记的集合</li><li><strong>训练</strong>(training)、<strong>学习</strong>(learning):从数据中学得模型的过程</li><li><strong>测试</strong>(testing):使用训练得出的模型,对结果进行预测的过程</li><li><strong>学习任务</strong>:<img layer-src=     原文作者:RogZ
        原文地址: https://www.cnblogs.com/rogz/p/16205193.html
        本文转自网络文章,转载此文章仅为分享知识,如有侵权,请联系博主进行删除。
点赞