1.2.1基本概念

  • 训练集
  • 测试集
  • 特征值
  • 监督学习
  • 非监督学习
  • 半监督学习
  • 分类
  • 回归

1.2.2例子1

1.2机器学习基本概念_特征向量

1.2机器学习基本概念_监督学习_02


1.2机器学习基本概念_机器学习_03

  • 针对例子1，我们可以把100天的数据（包括每天的温度X1，天气X2，风力X3，水温X4，湿度X5，预报X6和小明每天是否享受运动Y）作为训练集，产生模型，再用接下来的10天作为测试集检验生成的模型
  • N（X1，X2，X3，X4，X5，X6）向量即为特征向量
  • 温度X1，天气X2，风力X3，水温X4，湿度X5，预报X6即为6个属性
  • 可以标记享受运动为正例，自然不享受即为反例

1.2.3例子2

1.2机器学习基本概念_机器学习_04


1.2机器学习基本概念_机器学习_05

  • 不难发现例子1的输出结果为数值型（享受即为1，不享受记为0），例子2的结果为房价，是连续型的，所以例子1是分类问题，例子2是回归问题

1.2.4例子4

1.2机器学习基本概念_特征向量_06

  • 对于例子1和例子2都是有标记Y的训练集，所以是监督学习，对于例子3，肿瘤是否为良性或恶性可以不先标记出，而是先根据肿瘤大小和颜色分成两类，之后只需要知道任何一个样本（也叫特征向量）就可以知道所有标记

1.2.5机器学习一般步骤

1.2机器学习基本概念_特征向量_07