機器學習_讀書筆記

 機器學習過程:根據訓練樣本獲得模型，再用真實數據輸入結果獲得標記空間（又稱輸出空間）。通常地，預測任務是但願經過對訓練空間（(x1,y1),(x2,y2),.....(xn,yn)） 進行學習，創建一個從輸入控件X到輸出空間Y的映射f:x->y。

 若咱們預測的是離散值，此類學習任務被稱爲「分類」Classification; 若咱們預測的是連續值，此類學習任務被稱爲「迴歸」regression; =

  咱們還能夠對西瓜作聚類Clustering，便是對訓練集中的西瓜分紅若干組，每組成爲一個簇，這些自動造成的簇可能對應一些潛在的概念劃分。好比淺色瓜，本地瓜。其中淺色瓜和本地瓜這些概念咱們是事先不知道的，並且學習過程當中使用的訓練樣本一般不用有標記信息，這樣的學習過程有助於咱們理解數據內在規律。

   監督學習supervised learning=分類和迴歸

   無監督學習unsupervised learning=聚類

    對學得模型適用於新樣本的能力，成爲泛化能力。學習算法自身的概括偏好與問題是否匹配，每每會對結果起到決定性做用。

  過擬合：學習器把訓練訓練樣本自己一些特色看成了全部潛在樣本都會有的通常性質，就是過擬合。