對於監督學習內容，標籤(label)是乙個很重要的內容。有了資料(data)和標籤(labels)，就可以利用監督學習通用框架進行建模了。
1、標籤的型別
(1)單列0-1值(二分類問題，乙個樣本只屬於一類並且一共只有兩類）
(2)單列連續值（單回歸問題，要**的值只有乙個）
(3)多列0-1值（多分類問題，同樣是乙個樣本只屬於一類但是一共有多類）
(4)多列連續值(多回歸問題，能夠**多個值）
(5)多標籤（多標籤分類問題，但是乙個樣本可以屬於多類）
2、標籤的設計
不妨設label為y,label的設計大致有兩種：
(1)y = 1,2,3分別代表第1類、第2類以及第3類；
(2)y = [1 0 0],[0 1 0],[0 0 1]分別代表第1類、第2類以及第3類；
對於實際問題，我們通常採用第二種形式，因為第二種形式沒有加入先驗知識，第一種label的設計加入了距離資訊，因此不適合作為label。
3、特徵列
特徵列 (feature column) - 一種說明估算器進行訓練和推理所需特徵的資料結構。
有關詳細介紹戳tensorflow 特徵列介紹。
事務的特徵以及Hibernate事務
事務應該具有4個屬性 原子性 一致性 隔離性 永續性。這四個屬性通常稱為acid特性。hibernate封裝了jdbc和jta事務，應用程式可以繞過hibernate api，直接通過jdbc和jta的api來宣告事務。其中，jta可以用來處理分布式事務。應用程式通過hibernate api宣告事...
機器學習中的特徵 特徵選擇的方法以及注意點
an introduction to feature selection 主要是我對這篇文章的乙個總結與我個人的一些認識。特徵選擇和降維有著些許的相似點，這兩者達到的效果是一樣的，就是試圖去減少特徵資料集中的屬性 或者稱為特徵 的數目 但是兩者所採用的方式方法卻不同 降維的方法主要是通過屬性間的關係...
機器學習中的特徵 特徵選擇的方法以及注意點
an introduction to feature selection 主要是我對這篇文章的乙個總結與我個人的一些認識。特徵選擇和降維有著些許的相似點，這兩者達到的效果是一樣的，就是試圖去減少特徵資料集中的屬性 或者稱為特徵 的數目 但是兩者所採用的方式方法卻不同 降維的方法主要是通過屬性間的關係...