机器学习概述

基本术语

  • 一个西瓜（（色泽=青绿；根蒂=蜷缩；敲声=清脆），好瓜）
  • 记录：括号里的内容，即（色泽=青绿；根蒂=蜷缩；敲声=清脆）
  • 数据集：多个记录的集合
  • 样本：一个西瓜
  • 属性：样本的性质，即色泽、根蒂、敲声
  • 属性值：属性的取值，即青绿、蜷缩、清脆
  • 样本空间：属性张成的空间，例如将色泽、根蒂、敲声作为三个坐标轴，张成一个用于描述西瓜的三维空间
  • 特征向量：样本空间中一个样本的坐标位置对应的坐标向量
  • 训练：从数据中学得模型的过程，这个过程通过执行某个学习算法来完成。
  • 训练数据：训练过程中使用的数据
  • 训练样本：训练过程中使用的样本
  • 训练集：训练样本组成的集合
  • 假设：学到的模型对应了关于数据的某种潜在的规律
  • 真相：潜在规律本身
  • 学习器：亦称模型
  • 标记：关于样本结果的信息，即好瓜