- 机器学习
给定一定量的数据集，从这些数据中产生模型，在面对新的情况的时，模型可以给我们提供相应的判断。 - 监督学习(supervised learning)和无监督学习(unsupervised learning)
监督学习是提供标记数据(label data)，即结果(result)。比如：当我们训练人脸检测模型的时候，我们的数据集要包括是否是人脸这一输出空间。典型代表是分类和回归。而无监督学习不提供result，典型代表是聚类。 - 分类和回归
欲预测的值为离散值时，这类学习任务称为分类，如：好瓜和坏瓜
欲预测的值为连续值时，这类学习任务称为回归，如：瓜的成熟度 - 聚类
讲训练集中的数据分成若干个组，每组称为一个"镞"(cluster)。当遇到新的样本的时候可以通过学习算法将其自动分类。 - 假设(hypothesis)
学习模型对应关于数据莫衷潜在规律，学习过程可以看作一个在所有假设组成的空间中进行搜索的过程，搜索目标是找到和训练集匹配的假设，可以通过设置归纳偏好来得到想要的假设模型。
网友评论