机器学习（二）—— 基本概念

机器学习

机器学习（machine learning）

此处介绍的机器学习主要为归纳学习，包括监督学习和无监督学习两类，我们有这样一个著名的定义

Tom Mitchell (1998) Well-posed LearningProblem: A computer program is said to learn from experience E with respect to some task Tand some performance measure P, if itsperformance on T, as measured by', improves with experience E.

监督学习、无监督学习

监督学习（supervised learning）

又叫有监督学习，监督式学习，是机器学习的一种方法，可以由训练资料中学到或建立一个模式（learning model），并依此模式推测新的实例。训练资料是由输入物件（通常是向量）和预期输出所组成。函数的输出可以是一个连续的值（称为回归分析），或是预测一个分类标签（称作分类）。

无监督学习（unsupervised learning）

是机器学习的一种方法，没有给定事先标记过的训练示例，自动对输入的资料进行分类或分群

学习、学习算法

从数据中学得模型的过程称为学习 (learning)或训练 (training),这个过程通过执行某个学习算法来完成

数据相关

数据集

若干组数据记录的集合，称为数据集

示例，样本与属性

每条数据记录关于一个事件或研究对象的描述，称为一个示例 (instance) 或样本 (samp1e)，示例在某方面的表现或性质，称为属性 (attribute) 或特征 (feature); 属性对应的取值称为属性值 (attribute va1ue). 属性张成的空间称为属性空间 (attribute space) 、样本空间 (samp1e space)或输入空间（input space), 由于空间中的每个点对应一个坐标向量，因此我们也把…个示例称为一个特征向量 (feature vector).

维数

一般地，令 $D = {x_1, x_2,...,x_m}$ 表示包含m 个示例的数据集，每个示例由 $d$ 个属性描述，则每个示例 $x_i = (x_{i1}; x_{i2}; . . . ; x_{id})$ 是d 维样本空间X 中的一个向量， $x_i ε X$ ，其中 $X_{ij}$ 是凯在第j 个属性上的取值, d 称为样本的维数 (dimensionality).

学习过程相关

训练数据，训练样本，训练集

训练过程中使用的数据称为训练数据 (training data) ，其中每个样本称为一个训练样本(training samp1e), 训练样本组成的集合称为训练集 (training set).

假设与真相

学得模型对应了关于数据的某种潜在的规律，因此亦称"假设" (hypothesis); 这种潜在规律自身，则称
为"真相"或"真实" (ground-truth)

预测，样例与标记

这里关于示例结果的信息，称为"标记" (labe1); 拥有了标记信息的示例，则称为"样例" (examp1e),我们可以用 $(x_i, y_i)$ 表示第 $i$ 个样例， $y_i∈Y$ 是样例 $i$ 的标记，则我们称 $Y$ 为标记空间或"标记空间" (label space)或"输出空间

预测相关

分类与回归

若我们想要预测离散的值，我们称这样的任务为分类（classfication），若为连续值，则称为回归(regression)

测试

学得模型后，使用其母行预测的过程称为测试 (testing) ，被预测的样本称为测试样本"(testing sample).

归纳偏置（归纳偏好）

当学习器去预测其未遇到过的输入的结果时，会做一些假设（Mitchell, 1980）。而学习算法中的归纳偏置（inductive bias）则是这些假设的集合。

归纳偏置有点像一种”价值观“，任何一个有效的机器学习算法必有其归纳偏好，否则它将被假设空间中看
似在训练集上"等效"的假设所迷惑，而无法产生确定的学习结果

机器学习（二）—— 基本概念