二、機器學習相關
引例：在《機器學習》一書中主要是根據西瓜的一些資料，例如：色澤、根蒂、敲聲等來判斷西瓜是否是好瓜或者成熟度是多少。
反映事件或物件在某方面的表現或性質的事項。在引例中，色澤、根蒂、敲聲等就是特徵（屬性），而青綠、蜷縮、清脆則稱為特徵值（屬性值）.同樣的，如果將特徵作為座標軸，則會得到乙個空間，這個空間稱為：樣本空間（或稱屬性空間）
關於乙個事件或物件的描述的記錄，在引例中，如果乙個西瓜色澤青綠，根蒂蜷縮，敲聲清脆，那麼（色澤=青綠，根蒂=蜷縮，敲聲=清脆）即可稱為乙個樣本（示例），如果將特徵作為座標軸，那麼每個樣本會在空間中對應乙個座標向量，因此乙個樣本也稱為乙個特徵向量
樣本的集合
乙個資料集d中的乙個樣本m用n個特徵來描述則n稱為樣本m的維數。在引例中的西瓜用了三個特徵來描述，則這個西瓜的維數是3
從資料中學得模型的過程，在訓練過程中使用的資料稱為訓練資料，其中的每個樣本稱為訓練樣本，訓練樣本組成的集合叫訓練集
在引例中，我們在訓練過程中僅知道樣本是不夠的，除了知道色澤=青綠，根蒂=蜷縮，敲聲=清脆這樣的資訊，我們還需知道這樣乙個瓜的結果資訊，例如』這是乙個好瓜（壞瓜）『或者』這個瓜的成熟度為90%『，好瓜（壞瓜）/90%這樣的資訊稱為標籤，擁有標籤的樣本稱為樣例，所有標籤（標記）的集合稱為標記空間（輸出空間）
在學得模型以後對樣本進行**的過程稱為測試，被**樣本稱為測試樣本
訓練得到的模型適應新樣本的 能力稱為泛化能力
訓練資料擁有標記資訊的學習任務
2.1.1分類問題
**結構為離散值，例如在引例中將瓜分為好瓜 / 壞瓜，就是乙個分類問題。
二分類任務是只涉及兩個類別的分類問題，通常會稱乙個類為正類，另乙個為反類
多分類任務顧名思義是涉及到多個類別
2.1.2回歸問題
**值為連續值
訓練資料通常不含有標記資訊的學習任務
2.2.1聚類問題
訓練過程會將樣本分為不同簇，每個簇可能含有我們不知道的一些潛在概念，在引例中，聚類會將瓜分為很多簇，這些簇可能會按淺色瓜、深色瓜或者本地瓜、外地瓜劃分，但訓練之前我們是不會知道這樣的概念的。
深度學習一些學習鏈結（補充）
機器學習庫 sklearn，scikit 乙份pytorch web ml notes ml assignments 班級學霸整理，照搬的。適合新手學習，比如我。都要看得懂，各種 原始碼基本兩種都有，有的用pytorch寫有的用tf.企業招聘的要求也是一般要求精通一門框架，熟悉一門其他框架。新手可以...
機器學習的一些知識
1.1維度災難 維度災難 curse of dimensionality 是指資料量過大和特徵數過多導致的一系列問題。隨著資料的不斷積累，在實際應用問題中我們接觸到的資料集 資料記錄可能有幾萬 幾十 萬 幾百萬乃至更多，特徵數量也可能達到幾百甚至幾千個。我們自然希望獲取盡可能多的資料 即希望二維表的...
一些輔助軟體 補充
這是乙個開源跨平台的文件系統 不是檔案系統 我用它來生成工程的文件，工程？直接用vscode開啟不就好了，還要什麼文件。vscode是 編輯器，對於 檢視來說，總需要右鍵跳轉到定義，而這個生成的直接滑鼠左鍵點一下就可以。不只是給自己看的，還需要別人看不是？生成這個文件可以讓其看到源 但是源 並沒有直...