【机器学习】基础术语

模型:指从数据当中学到的结果
维:代表样本具有的特征数
特征:样本的某一个明确的属性
向量:样本的特征的集合
标记:对于样本所需求得的值
分类:代表预测值为离散的
回归:代表预测值为连续的
二分类任务:标记的预期值只有两个
多分类任务:标记的预期值有多个
聚类:将训练集中的样本分成若干组
簇:上述聚类中的组
监督学习:分类与回归,带有标记的学习
非监督学习:聚类,不带有标记的学习
泛化:指模型用于新样本的能力
归纳:通过样本得出模型的过程
演绎:从模型预测结果的过程
偏好:归纳时选择的预测倾向
奥卡姆剃刀:若有多个假设,选择最简单的那个
NFL定理:不带目标时,所有学习算法的期望性能相同

你可能感兴趣的:(机器学习)