由现实世界引出“机器学习”

看到乌云密布，自己推测出要下雨

通过一个苹果的表面和大小，来判断这个苹果是否好吃

我们通过经验来进行判断，这是因为我们积累了许多有用的经验，通过对有用经验的分析，就能对遇到的情况做出相应的对策。

计算机中，经验就是“数据”，判断模型就是“算法”，机器学习就是研究“学习算法”。

举例：当计算机数据库有上千万只猫的照片，并对其特点进行建模分析，你给机器一张照片，它就能进行判断这张照片的动物是不是猫。（有人问：会不会出错？肯定会出错啊！模型如果100%就不会出错，这是依赖于“算法”的好坏和数据库的大小。我们人类的经验也有时候会出错，这其实就是概率的问题）

基本概念：从具体到抽象

要进行机器学习， 首先要准备数据。 还是以猫为例：

{猫颜色：黑的、白的、黄的...}  、{猫眼睛：颜色一样的，颜色不一样} 、{猫有的有铃铛，有的没有铃铛}   这些都是“特征”“属性”，每一只猫的属性有很多种，我们可以用一只黑色+眼睛颜色一样+没有铃铛的猫来进行描述。

比如现在有100只猫的照片，那么 这个就 称为“样本空间”

这100只猫的属性集合，分开形成各自的集合，比如上面3个集合，那就称为“属性空间”

抽象：D={x1,x2,x3.....xm}表示有m个示例的数据集。（100只猫的照片形成的数据集）

每个x都有d个属性描述（每只猫可以由：颜色+眼睛色彩+铃铛等属性区分），d是维数

x是样本空间的一个向量

从数据中学习得的模型称为“学习”或者“训练”

每一个样本（每一张猫的照片）称为一个“训练样本”，训练样本的集合 为“训练集”

潜在的规律称为“假设”，也称为“真相”、“真实”，学习过程就是不断 找到真相。

仅仅有前面示例的猫的照片也不够，需要建立联系，就是告诉计算机这是不是猫，（白色，双眼一样，有铃铛；这只是猫）注意分号！这是一个“标记”，拥有了标记，这就成为了一个“样例”这样的集合成为“标记空间”“输出空间”

给你一张照片，判断是不是猫，这个叫做“分类”，预测是连续值，成为“回归”

只涉及两个类别的分类成为“二分类”问题： “正类”+“反类”；多个分类成为：“多分类”

预测的过程称为：“测试”；测试的东西称为：“测试样本”

同时可以对其进行聚类分析：比如把猫分为：橘猫，波斯猫....聚类分析有利于进一步学习，找到潜在规律，这些规律我们事先并不知道。

根据训练数据是否有标记：“监督学习”+“无监督学习”

监督学习代表：分类和回归；无监督学习代表：聚类

训练的目的是解决未知情况，对于“新样本”的认识能力，也就是“泛化”能力

 假设样本空间 服从一个未知分布，每个样本 都是独立的，“独立同分布”，一般而言， 训练样本越多，这个未知分布越 明确，越实用， 泛化能力也越强！

文章来源: kings.blog.csdn.net，作者：人工智能博士，版权归原作者所有，如需转载，请联系作者。

原文链接：kings.blog.csdn.net/article/details/84995248