机器学习的一些基本术语

以西瓜数据集为例，据，例如：（色泽=青绿;根蒂=蜷缩;敲声=浊响)， (色泽=乌黑;根蒂=稍蜷;敲声=沉闷)， (色泽=浅自;根蒂=硬挺;敲声=清脆)……每对括号内是一个西瓜的记录。定义如下：

1. 所有记录的集合为：数据集
2. 每一条记录为：一个实例（instance）或样本（sample）
3. 例如：色泽或敲声，单个的特点为特征（feature）或属性（attribute）
4. 对于一条记录，如果在坐标轴上表示，每个西瓜都可以用坐标轴中的一个点表示，一个点也是一个向量，例如（青绿，蜷缩，浊响），即每个西瓜为：一个特征向量（feature vector）
5. 一个样本的特征数为：维数（dimensionality），该西瓜的例子维数为3

计算机程序学习经验数据生成算法模型的过程中，每一条记录称为一个“训练样本”，同时在训练好模型后，我
们希望使用新的样本来测试模型的效果，则每一个新的样本称为一个“测试样本”。定义如下：

1. 所有训练样本的集合为：训练集（trainning set）
2. 所有测试样本的集合为：测试集（test set）
3. 机器学习出来的模型适用于新样本的能力为：泛化能（generalization），即从特殊到一般

西瓜的例子中，我们是想计算机通过学习西瓜的特征数据，训练出一个决策模型，来判断一个新的西瓜是否是好瓜。可以得知我们预测的是：西瓜是好是坏，即好瓜与差瓜两种，是离散值。同样地，也有通过历年的人口数据，来预测未来的人口数量，人口数量则是连续值。定义如下：

1. 预测值为离散值的问题为：分类（classification）
2. 预测值为连续值的问题为：回归（regression）

我们预测西瓜是否是好瓜的过程中，很明显对于训练集中的西瓜，我们事先已经知道了该瓜是否是好瓜，学习器通过学习这些好瓜或差瓜的特征，从而总结出规律，即训练集中的西瓜我们都做了标记，称为标记信息。但也有
没有标记信息的情形，例如：我们想将一堆西瓜根据特征分成两个小堆，使得某一堆的西瓜尽可能相似，即都是好瓜或差瓜，对于这种问题，我们事先并不知道西瓜的好坏，样本没有标记信息。定义如下：

1. 训练数据有标记信息的学习任务为：监督学习（supervised learning）
2. 训练数据没有标记信息的学习任务为：无监督学习（unsupervised learning）

文章来源: chuanchuan.blog.csdn.net，作者：川川菜鸟，版权归原作者所有，如需转载，请联系作者。

原文链接：chuanchuan.blog.csdn.net/article/details/125112975