基本概念介紹
訓練集:train set 用來進行訓練，也就是產生模型或者演算法的資料集
測試集:test set 用來專門進行測試已經學習好的模型或者演算法的資料集
特徵向量;特徵屬性的集合 使用一組向量來表示
標記:對乙個例項結果的標記
監督學習:訓練集有類別標記
非監督學習:訓練集無類別標記
半監督學習:有標記的訓練集+無標記的訓練集
分類:目標標記為類別型的資料
回歸:目標標記為連續性數值
機器學習的步驟框架:
1.把資料集分為訓練集和測試集
2.用訓練集和訓練集的特徵向量來訓練演算法
3.用學習來的演算法運用在運用在測試機上評估演算法
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...