大数据挖掘与机器学习笔记

目录

 

机器学习（周志华）

第一章 绪论

第二章 模型评估和选择

---

机器学习（周志华）

 

第一章 绪论

1.1 什么是机器学习

使用以往的数据(经验)，去训练某种模型，然后利用此模型预测未来。

Tom Mitchell 给出更形式化的定义：

1998年Tom Mitchell对机器学习给出了一个更加正式的定义：A computer program is said to learn from experience E with respect to some task T and some performance measure P,if its performance on T,as measured by P,improves with experience E.

计算机程序从经验E中(已有的数据或者经验)进行学习，然后解决一些任务T，并进行度量通过P。即：T的表现情况通过P进行衡量，通过E进行提高。

1.2 基本术语

示例（样本）（特征向量）

属性（特征）

属性值（特征值）

维数

训练集、测试集、标记（label）、标记空间

样例

分类（预测值是离散的）和回归（预测的值是连续的）

二分类（正类和负类）和多分类

聚类

监督学习和无监督学习（训练数据是否拥有标记信息）

泛化能力（模型适用于新样本的能力）

 

 

 

 

 

 

 

 

 

 

 

 

第二章 模型评估和选择