《机器学习》周志华笔记——第一章绪论
·
#《机器学习》笔记
第一章绪论
数据集：分为训练集，测试集，比例8：2，7：3
-
训练集（training set）：用来训练模型的数据集
-
测试集（testing set）：用来测试模型的数据集
-
样本（sample）：一行数据就是一个样本；多个样本组成数据集；有时候一条样本被称为一条记录（一个西瓜）
-
特征（feature）：一列数据是一个特征，有时也被称为属性
- 特征是从数据中抽取出来的，对结果预测有用的信息
- 比如西瓜的色泽与形状
-
标签（label）/目标（target）：模型要预测的哪一列数据（想要的答案——输出变量）
泛化能力：模型适用于新样本的能力
奥卡姆剃刀原则：给定两个具有相同泛化误差的模型，较简单的模型比较复杂的模型更可取
分类：预测值为离散值
回归：预测值为连续值
有监督学习：输入的训练数据是有标签的
有监督学习的两类算法：
-
分类问题：目标值（标签值）是不连续的
- 分类种类：二分类，多分类
- 从一小批可能的输出中预测出类别
-
回归问题：目标值（标签值）是连续的
- 从无数数据中预测出具体数值
无监督学习：训练数据没有标签
- 样本数据类别未知，没有标签
- 根据样本间的相似性，对样本聚集类，以发现事务内部结构与相互关系
更多推荐
9
0- 0
已为社区贡献9条内容
所有评论(0)