机器学习主要术语
监督式机器学习
机器学习系统通过学习如何组合输入信息来对从未见过的数据做出有用的预测。
标签
在简单的线性回归中，标签是我们要预测的事物，即y变量。标签可以是小麦的价格、图片中显示的动物品种、音频剪辑的含义或任何事物。
特征
在简单的线性回归中，特征是输入变量，即x变量。简单的机器学习项目可能会使用单个特征，而比较复杂的机器学习项目可能会使用数万个特征，按照如下方式指定：
{x_1, x_2, ... x_N}
在垃圾邮件检测器示例中，特征可能包括：
- 电子邮件文本中的字词
- 发件人的地址
- 发送电子邮件的时段
- 电子邮件中包含“一种奇怪的把戏”这样的短语
样本
样本是指数据的特定实例：X。（我们采用粗体表示他是一个矢量。）我们将样本分为以下两类：
- 有标签样本
- 无标签样本
有标签样本同时包含特征和标签。即：
labeled examples: {features, label}: (x, y)
我们使用有标签样本来训练模型。在我们的垃圾邮件检测器示例中，有标签样本是用户明确标记为“垃圾邮件”和“非垃圾邮件”的各个电子邮件。
例如，下表显示了从包含加利福尼亚州房价信息的数据集中抽取的五个有标签样本：
| housingMedianAge （特征） |
totalRooms （特征） |
totalBedrooms （特征） |
medianHouseValue （标签） |
|---|---|---|---|
| 15 | 5612 | 1283 | 66900 |
| 19 | 7650 | 1901 | 80100 |
| 17 | 720 | 174 | 85700 |
| 14 | 1501 | 337 | 73400 |
| 20 | 1454 | 326 | 65500 |
无标签样本包含特征，但是不包含标签。即：
unlabeled examples: {features, ?}: (x, ?)
模型
模型定义了特征与标签之间的关系。例如，垃圾邮件监测模型可能会将某些特征与“垃圾邮件”紧密联系起来。模型生命周期的两个重要阶段：
- “训练”表示创建或学习模型。也就是说，您向模型展示有标签的样本，让模型逐渐学习特征与标签之间的关系。
- 推断表示将训练后的模型应用于无标签的赝本。
分类与回归
分类模型可以预测离散值。例如，分类模型可以做出的预测可回答如下问题：
-
某个指定的电子邮件是垃圾邮件还是非垃圾邮件？
-
这是一张狗、猫还是仓鼠的照片？
回归模型可以预测连续值。例如，回归模型做出的预测可以回答如下问题：
- 加利福尼亚州一栋房产的价值是多少？
- 用户点击此广告的概率是多少？