機器學習-1.機器學習的基本概念
其他機器學習中的一些概念：
1.訓練集（training set/data/example）
訓練集是用來進行訓練而產生模型或演算法的資料集
2.測試集（testing set/data/example）
用來測試已經學習好的模型或演算法的資料集
3.特徵向量（features vector）
屬性的集合通常用乙個向量來表示，特徵向量是附屬於乙個例項的
4.標記（class label）
例項類別或屬性的標記
5.正例、反例
6.分類（classfication）
目標標記結果為類別資料
7.回歸（regression）
目標標記結果為連續性數值資料
8.監督學習（supervised learning）、無監督學習（unsupervised learning）、半監督學習（semi-supervised learning）
在訓練集中有人工標記的為supervised learning，反之為unsupervised learning，兩者結合為semi-supervised learning
接下來我們來看乙個例子。
機器學習（1） 基本概念
神經網路技術起源與上世紀50年代。當時叫做感知機。擁有輸入層，輸出層和乙個隱含層。這種感知機被稱為單層感知機 1959，機器學習被定義為不直接程式設計的情況下賦予計算機學習能力。1974年哈佛大學的paul werbos發明bp演算法。bp演算法正是用來求解這種多層復合函式的所有變數的偏導數的利器。...
機器學習1 基本概念
1.機器學習定義 機器學習 arthur samuel，1959 在確定程式設計之外給予計算機學習能力的研究領域。機器學習 tom mitchell，1998 如果電腦程式對於任務t的效能度量p通過經驗e得到了提高，則認為此程式對e進行了學習。2.機器學習四個主要內容 監督學習 包括回歸 連續性問題...
機器學習1 基本概念
參考 資料集 色澤 青綠 根蒂 蜷縮 敲聲 濁響 色澤 墨綠 根蒂 稍蜷 敲聲 沉悶 色澤 淺白 根蒂 硬挺 敲聲 清脆 基本概念 1 樣本 這批資料裡的每對括號。2 資料集 樣本的集合。3 特徵 屬性 色澤 根蒂 敲聲等反映事物的本質的可觀察方面。4 屬性值 青旅 墨綠 蜷縮 濁響等，是屬性的取值...