一、概念學習
是指從有關某個布林函式（是或否）的輸入輸出訓練樣例中推斷出該布林函式
二、訓練集/訓練樣例
用來進行訓練，也就是產生模型或演算法的資料集
三、測試集/測試樣例
（通常只知道特徵，用來進行**）用來專門進行測試已經學習好的模型或演算法的資料集
四、特徵向量
屬性的集合，通常用乙個向量來表示，附屬於乙個例項
五、標記：c(x)，例項類別的標記
六、分類
目標標記為類別型資料
七、回歸
目標標記為連續性數值
八、有監督學習
訓練集有類別標記
九、無監督學習
無類別標記
十、半監督學習
有類別標記的訓練集+無標記的訓練集
十一、機器學習步驟框架
（一）把資料拆分為訓練集和測試集
（二）用訓練集和訓練集的特徵向量來訓練演算法
（三）用學習來的演算法運用在測試集上來評估演算法（可能要設計到調整引數（parameter turning）–驗證集(validation set)）
機器學習 Bayesian概念學習
這篇文章中我想由beta分布 二項分布這組常用的共軛分布來介紹bayesian概念學習 concept learning 在開始之前，我想先回答兩個問題。第一，機器學習中為什麼要引入概率？在機器學習中，我們通過已知的資訊希望能夠推斷出一些未知的資訊，但在推斷過程中有時並不能唯一確定目標值，這時便可以...
機器學習相關概念學習記錄一
一 監督學習 從給定的訓練資料集中學習出乙個函式 模型引數 當新的資料到來時，可以根據這個函式 結果。監督學習的訓練集要求包括輸入輸出，也可以說是特徵和目標。訓練集中的目標是由人標註的。監督學習就是最常見的分類 注意和聚類區分 問題，通過已有的訓練樣本 即已知資料及其對應的輸出 去訓練得到乙個最優模...
機器學習 概念學習FIND S演算法C 實現
一 概念 概念學習 是指從有關某個布林函式的輸入輸出訓練樣例中推斷出該布林函式。二 概念學習任務 任何概念學習任務能被描述為 例項的集合x 例項集合上的目標函式c 候選假設的集合h以及訓練樣例的集合d。例 目標概念 aldo進行水上運動的日子 目標概念enjoysport的正例和反例 example...