模型：指從資料當中學到的結果
維：代表樣本具有的特徵數
特徵：樣本的某乙個明確的屬性
向量：樣本的特徵的集合
標記：對於樣本所需求得的值
分類：代表**值為離散的
回歸：代表**值為連續的
二分類任務：標記的預期值只有兩個
多分類任務：標記的預期值有多個
聚類：將訓練集中的樣本分成若干組
簇：上述聚類中的組
監督學習：分類與回歸，帶有標記的學習
非監督學習：聚類，不帶有標記的學習
泛化：指模型用於新樣本的能力
歸納：通過樣本得出模型的過程
演繹：從模型**結果的過程
偏好：歸納時選擇的**傾向
奧卡姆剃刀：若有多個假設，選擇最簡單的那個
nfl定理：不帶目標時，所有學習演算法的期望效能相同
機器學習 一 基礎術語概念
什麼是機器學習？機器學習是一門類似於人類根據生活中的經驗 之後可能會發生的結果的學科，好比我們從小可能接觸到的諺語 燕子低飛蛇過道，大雨不久就來到。在這裡，燕子低飛蛇過道就是人們在大雨前常常觀察到的一種現象，久而久之人們便發現往往出現這種現象時，馬上就會下起大雨 從而成為了人們生活中的一種經驗。而即...
機器學習術語
本文的概念來自於周志華的西瓜書 機器學習 對機器學習的定義 機器學習致力於研究如何通過計算，利用經驗來改善系統自身效能。這裡的經驗就是資料 機器學習研究的主要內容 計算機上產生模型的演算法，即 學習演算法 機器學習的過程 首先需要大量的資料集合，然後通過機器學習演算法進行計算，產生乙個模型，利用這個...
機器學習常用術語
機器學習作為人工智慧的乙個重要領域，我們有必要對其基本術語有清晰的理解 2 空間 就是表示 可能存在的取值 比如模型空間就是表示 所有可能的模型的取值 引數空間 表示 所有可能的引數 樣本空間表示 所有可能的樣本 3 樣本 是指資料集中的每一條單獨的資料。如沒有說明，會預設資料集中有n個樣本，用符號...