概念定义在实例（instance）集合之上，这个集合表示为X（X：所有可能的日子，每个日子的值由天气等6个属性表示）。 待学习的概念或目标函数成为目标概念（target concept），记为c。c(x) = 1，当享受运动时。 x：每一个实例 X：样例，所有实例的集合 学习目标：f:X -> Y 5、
4、训练集（training set）/训练样例（training example）：用来进行训练，也就是产生模型或者算法的数据集。 测试集（testing set）/测试样例（testing example）：用来专门进行测试已学习好的模型或者算法的数据集。 特征向量（features/feature vector）：属性的集合，通常用一个向量表示，附属于一个实例。 标记（label）：c(x) 实例类别的标记。 正例、反例。 6、分类问题：目标标记为类别型数据 回归问题：目标标记为连续性数值 7、例子：研究肿瘤良性、恶性与尺寸、颜色的关系 特征值：尺寸、颜色 标记：良性/恶性 有监督学习：训练集有类别标记 无监督学习：训练集无类别标记 半监督学习：有类别标记的训练集+无标记的训练集 8、机器学习的步骤框架、 1、把数据拆分为训练集和测试集 2、用训练集和训练集的特征向量泪训练算法 3、用学习来的算法运用在测试集上评估算法
转载于:https://www.cnblogs.com/Melvin-Dong/p/7343959.html
