【機器學習】谷歌的速成課程（一）

問題構建 (Framing)

• 什麼是（監督式）機器學習？簡單來講，它的定義以下：

  • 機器學習系統經過學習如何組合輸入信息來對從未見過的數據作出有用的預測。

  標籤

  在簡單線性迴歸中，標籤是咱們要預測的事物，即 y 變量。標籤能夠是小麥將來的價格、圖片中顯示的動物品種、音頻剪輯的含義或任何事物。

  特徵

  在簡單線性迴歸中，特徵是輸入變量，即 x 變量。簡單的機器學習項目可能會使用單個特徵，而比較複雜的機器學習項目可能會使用數百萬個特徵，按以下方式指定： {x1,x2,...xN}

  （可量化！）

  樣本

  是指數據的特定實例： 有標籤樣本，無標籤樣本

  模型

  模型定義了特徵與標籤之間的關係。

  • 訓練表示建立或學習模型。也就是說，您向模型展現有標籤樣本，讓模型逐漸學習特徵與標籤之間的關係。

  • 推斷表示將訓練後的模型應用於無標籤樣本。也就是說，您使用訓練後的模型來作出有用的預測 (y')。

  迴歸模型可預測連續值。

  分類模型可預測離散值。