机器学习 学习笔记 1

类别标记：lable，是否表示 有几个列就有几个属性

训练之后使用决策神经网络，向量机对模型进行训练，对新数据进行判读

训练集，测试集 特征 标记 属性空间 属性值 样本 维数 预测 学习器 假设

机器学习经典网站。UCI REPOSIORY

分类：离散值 回归regression ：连续值 聚类 ：无标记信息 训练数据集无标签

监督学习：分类 回归 

无监督学习：聚类。半监督学习semi -supervised：两者结合

机器学习的目标是使得学到的模型很好的恶适用于新样本 不仅仅是训练集合 模型适用于新样本的能力为泛化generalization

通常假设样本空间样本服从相同分布，样本数越多，泛化能力越强

归纳是从特殊到一般的泛化过程 演绎 从一般到特殊的特化过程

学习过程中对某种类型的假设的偏好称为假设偏好

奥卡姆剃刀 ：若有多个假设与观察一致，选最简的那个，学习算法本身所做的假设是否能成立，与问题是否匹配，没免费的午餐原理