机器学习-周志华

第一章 绪论

机器学习 : 致力于研究如何通过计算的手段,利用经验来改善系统自身的性能。在计算机系统中,"经验" 通常以"数据"形式存在,因此,机器学习所研究的主要内容,是关于在计算机上从数据中产生**"模型"** 的算法,即**"学习算法"**。有了学习算法,我们把经验数据提供给它,他就能基于这些数据产生模型;在面对新的情况时,模型会给我们提供相应的判断。可以说机器学习时研究关于"学习算法"的学问。

1.1 基本术语:

数据集 (data set):记录的集合。其中每条记录是关于一个事件或对象的描述,称为"示例","样本"
属性\特征 (attribute\feature):反映事件或对象在某方面的表现或性质的事项。
属性值(attribute value):属性上的取值。其张成的空间称为"属性空间(attribute space)"\"样本空间(sample space)"\"输入空间(sample space)"。

学习\训练 (learning\training):从数据中学得模型的过程。是假设不断逼近真实的过程。
训练数据 (training data):训练过程所使用的数据。
训练样本 (training sample):训练所使用的样本。
训练集 (training set):训练样本的集合。
假设 (hypothesis):学得模型对应了关于数据的某种潜在规律。
真相\真实(ground truth):潜在规律自身。

标记 (label):训练样本的"结果"信息,是判断,预测。
样例(example):带有标记的样本。

分类 (classification):预测的是离散值的学习任务。
二分类 (binary classification):只涉及两个类别。
多分类 (multi-class classification):涉及多个类别。
回归 (regression):预测的是连续值的学习任务
聚类 (clustering):将训练集中的样本分为若干组。
监督学习 (supervised learning):分类+回归
无监督学习 (unsupervised learning):聚类
测试(testing):对学得模型,对其进行预测的过程。

泛化能力:学得模型适用在新样本上的能力。

1.2 假设空间

归纳 :从特殊到一般的"泛化"过程,从具体的事实归结出一般性规律。
演绎 :从一般到特殊的"特化"过程,从基础原理推演出具体状况。
机器学习 ,是从样例中学习的过程。是归纳的过程。

->机器学习过程看作一个在所有假设组成的空间中进行搜索的过程,搜索目标是找到与训练集"匹配"的假设,
版本空间 :存在与训练集一致的假设集合。
归纳偏好:机器学习算法在学习过程中对某种类型假设的偏好。

引导算法确立偏好的一般性原则:

奥卡姆剃刀(Occam's razor):若有多个假设与观察一致,则选最简单的那个

学习算法的期望性能相同:

没有免费的午餐定理(NFL:No free Lunch Theorem):脱离具体问题,空谈哪个算法更好,无意义

相关推荐
再睡一夏就好3 天前
【C++闯关笔记】STL:list 的学习和使用
c语言·数据结构·c++·笔记·算法·学习笔记
一枝小雨3 天前
【C++】Vector完全指南:动态数组高效使用
开发语言·c++·笔记·vector·学习笔记·std库
一枝小雨6 天前
【C++】编写通用模板代码的重要技巧:T()
开发语言·c++·笔记·学习笔记
一枝小雨6 天前
【C++】深入解析C++嵌套依赖类型与typename关键字
开发语言·c++·笔记·学习笔记
要做朋鱼燕7 天前
【C++】 Vector容器操作全解析
开发语言·c++·笔记·学习笔记
_OP_CHEN12 天前
数据结构(C语言篇):(二)顺序表
c语言·数据结构·学习笔记·入门·顺序表·动态顺序表·静态顺序表
再睡一夏就好1 个月前
【排序算法】⑥快速排序:Hoare、挖坑法、前后指针法
c语言·数据结构·经验分享·学习·算法·排序算法·学习笔记
再睡一夏就好1 个月前
【排序算法】⑦归并排序
c语言·数据结构·算法·排序算法·学习笔记
ankleless1 个月前
每日学习笔记记录(分享更新版-凌乱)
学习笔记
互联网Fans1 个月前
完全使用TRAE和AI 开发一款完整的应用----第一周
学习笔记