機器學習(周志華)讀書筆記---第1章 緒論

*1.1 引言*

*1.2 基本術語*
關鍵字:
數據集、樣本(特徵向量)、屬性、屬性值、屬性空間(輸入空間)、樣本的維數、訓練數據(訓練集)、假設、真實、標記、標記空間(輸出空間)、分類、迴歸、二分類、正類反類、多分類、測試樣本、、聚類、簇、監督學習、無監督學習、泛化能力、獨立同分布
關鍵概念解釋:
1.分類對應離散預測,迴歸對應連續預測
2.根據訓練數據是否擁有標籤信息,學習任務分爲監督學習(如分類和迴歸)和無監督學習(如聚類)



*1.3 假設空間*
關鍵字:
歸納、演繹、概念學習、假設、版本空間
關鍵概念解釋:
1.歸納:特殊到一般的泛化,即從具體的事實歸結出一般性規律  演繹:一般到特殊的泛化,即從基礎原理推演出具體狀況
2.學習過程:在所有假設組成的空間進行搜索的過程,搜索目標是找到與訓練集匹配的假設
3.版本空間:與訓練集一致的假設空間

*1.4 歸納偏好*
關鍵字:
歸納偏好、奧卡姆剃刀、沒有免費午餐定理(NFL)
關鍵概念解釋:
1.歸納偏好:機器學習算法在學習過程中對某種類型假設的偏好
2.奧卡姆剃刀:若有多個假設與觀察一致,則選最簡單的那個
3.沒有免費午餐定理(NFL):脫離具體問題,空泛地談論什麼學習算法更好毫無意義。

*1.5 發展歷程*
發表評論
所有評論
還沒有人評論,想成為第一個評論的人麼? 請在上方評論欄輸入並且點擊發布.
相關文章