1.机器学习的基本概念和词汇

机器学习词汇

目标：预测类别或数据值（要预测的列）

特征：用于预测的数据属性（非目标列）

样本：数据内的单个数据点（1 行）

标签：单个数据点的目标值

机器学习词汇（近义词）

目标：响应、输出、因变量、标签

特征：预测器、输入、自变量、属性

样本：观察、记录、实例、数据点、行

标签：答案、y 值、类别

监督式机器学习：数据有已知输出结果

回归：输出结果是连续的（数字）

分类：输出结果是一个类别 

非监督式机器学习：数据有未知输出结果 

三种分类预测类型

严苛预测(Hard Prediction)：针对每个实例预测一种类别。

排名预测：按照从最有可能到最不可能的顺序对实例进行排列。（二元分类）

概率预测：为每个实例跨类别分配概率分布。

分类指标

严苛预测(Hard Prediction)：准确性（Accuracy）、精度（Precision）、召回（Recall）（敏感度（Sensitivity））、特异性（Specificity）、F1 分数（F1 Score）

排名预测：AUC (ROC)、精度-召回曲线（Precision-Recall Curves）

概率预测：Log-loss（亦称交叉熵）、Brier（布莱尔）分数

回归指标

均方根误差(RMSE)

平均绝对偏差