03机器学习基础名词解释 心梦无痕

机器学习概念性含义:

　　机器学习是人工智能的一个分支,我们使用计算机设计一个系统,使他能够根据提供的训练数据按照一定的方式来学习;随着训练次数的增加,该系统可以在性能上不断学习和改进;通过参数优化的学习模型,能够用于预测相关问题的输出.

符号代表的含义:

向量x: 1.2  2.1  3.2  3.3  2.3  3.2     #有几个特征就说有多少维,注意上下标的含义

　　　x_i  : x向量的第i维度的值

　　  x⁽ⁱ⁾ : 表示第i个样本的x向量  (针对矩阵说的)　

矩阵X:(特征矩阵)

标量:(目标属性,目标值)

拟合:构建的算法符合给定数据的特征

鲁棒性:(对新数据进行预测)也就是健壮性.稳健性.强壮性,是系统的健壮性;当存在异常数据的时候,算法也会拟合数据

过拟合:算法太符合样本数据的特征,但对于实际生产中的数据特征无法拟合

欠拟合:算法不太符合样本的数据特征

机器学习常见的应用框架:

1.scikit-learn(python)  #纯机器学习的--发展方向:从小批量的数据中提取大量的隐含的特征进行构建

　　http://scikit-learn.org/stable/

2.Mahout(Hadoop生态圈基于MapReduce)  #基于大数据的机器学习  #从大批量的数据中挖掘特征   (几乎与无脑堆数据--找特征规律)

　　https://mahout.apache.org/

3.Spark.MLlib      #基于大数据的机器学习

　　https://spark.apache.org/