机器学习2022学习笔记（课上）
需积分: 0 92 浏览量
2023-02-19
15:11:38
上传
评论 1
收藏 1.7MB PDF 举报
智能2101张世博(markdown笔记导出无法显示运行结果)
第一章 机器学习概述
机器学习的基本概念
机器学习：机器学习是一种计算机程序，它可以让系统在未经人为编辑的情况下，具有经验（数
据）中自动学习并自我改进的能力
ps：机器学习是人工智能的一个子分类
相关知识
监督学习和无（非）监督学习
监督学习是通过现有训练数据集（以下简称训练集）进行建模，再用模型对新的数据样本进行分类
或者回归分析的机器学习算法。
无监督学习则是在没有训练集的情况下，对没有标签的数据进行分析并建立合适的模型，以便给出
问题解决方案的方法。
分类和回归
分类（ classification ）和回归（ regression ）都是监督学习中的概念。分类预测样本属于哪个
类别，而回归预测样本目标字段的数值。
数据集和特征
数据集（ dataset ）是预测系统的原材料，用于训练机器学习模型的历史数据，数据集由若干条数
据组成，而每条数据又包含若干个特征（ feature )。特征是描述数据集中每个样本的属性，有的
时候也袯称为“字段”。
特征工程
特征工程是创建预测模型之前的过程，在这个过程中我们将对数据的特征进行分析清理和结构化。
过拟合和欠拟合
当学习器把训练样本学的“太好”了的时候，很可能已经把训练样本自身的一些特点当作了所有潜在
样本都会具有的一般性质，这样就会导致泛化性能下降，这种现象称为过拟合。
欠拟合是指对训练样本的一般性质尚未学好。在训练集及测试集上的表现都不好。
剩余17页未读，继续阅读
资源评论
