基本术语

[hhhparty]

机器学习的基本术语

常见名词

• Dataset数据集
  • D = {x1,x2,...,xm}是m个示例的数据集
• Instance／sample
  • 每个示例xi是d维样本空间X的一个特征向量
• Attribute value/feature
• Attribute/feature space
• Feature vector
• training／learning
• training sample
• Label标记
• example 样例（ 拥有标记的示例）

机器学习的任务

• Classification

  • 输出值或预测值为离散值

• Regression

  • 输出值或预测值为连续值

• Binary classfication

  • 输出值只有两个类型

• Multi-Class classification

  • 输出结果由多个类型

• clustering

  • 是将相似示例归为一组

• Multi-labeling annotation

  • 分类任务的扩展
  • 对一个变量序列的输入，得到一个变量序列的输出。
  • 例如图像识别。

监督学习

学习的目的：学习一个由输入到输出的映射，称为模型。

模型的集合就是假设空间（hypothesis space）

模型：

• 概率模型：条件概率分布P(Y|X)
• 非概率模型：决策函数Y=f(X)

联合概率分布：假设输入与输出的随机变量X和Y遵循联合概率分布P(X，Y)