本文主要介绍一些浅显的机器学习的基本概念

• 概念学习

从某个有关布尔函数的输入和输出训练样例中该推断出该布尔函数

• 实例与集合

实例是一个样例，所有的实例构成一个集合

• 目标概念

待学习的函数或者目标概念

• 训练集

训练样例，用来进行训练，也就是产生模型或者算法的数据集

• 测试集

测试样例，用来专门进行测试已经学习好的模型或者算法的数据集

• 特征向量

属性的集合，通常用一个向量来表示，附属于一个实例

• 标记

实例类别的标记，学习的答案，结果的可能值的集合

• 分类与回归

分类: 目标标记为类别型数据
回归: 目标标记为连续型数据

• 监督学习

有监督学习: 训练集有类别标记
无监督学习: 训练集无类别标记
半监督学习: 有类别标记的训练集+无标记的训练集

• 机器学习步骤与框架

  • 把数据拆分为训练集和测试集
  • 用训练集和训练集的特征向量來训练算法
  • 把学习來的算法运用在测试集上评估算法

end

有关机器学习的一些基本概念介绍完毕，有什么问题可以联系我Blog or Github.

赏

谢谢你请我吃糖糖

支付宝

微信