机器学习基础概念（一）

数据

机器学习就是为给算法数据，让算法在数据寻找一种关系

花的数据集.png

• 数据的整体叫做数据集（data set）
• 每一行数据称为样本（sample）
• 除最后一列，每一列表达样本的一个特征（feature）
  特征我们通常用X表示
  第i个样本行写作 X⁽ⁱ⁾
  地i个样本第j个特征值X⁽ⁱ⁾_j
• 最后一列，称为标记（label）
  通常用y（小写）表示
  第i个样本的标记y⁽ⁱ⁾

萼片长度	萼片宽度	花瓣长度	花瓣宽度
5.1	3.5	1.4	0.2
7.0	3.2	4.7	1.4
6.3	3.3	6	2.5

第一行，为特征下面的为特征向量

1.png

下方是一个特征空间。

数据表.PNG
仔细观察发现数据可以分为两类，如图 数据切分.PNG
我们可以看到数据中可以有一条明确的直线将数据分为两类（下方暂称为第一类，上方为第二类），这就是我们区分某一类事物的方法，当某类事物的特征趋向于直线的下方，我们把他当作第一类，上方则为第二类。

• 分类任务的本质就是特征空间切分

• 在高维空间同理

特征可以很抽象

手写图像.PNG

• 图像，每一个像素点都是特征
• 28*28的图像有28*28=784个特征
• 如果是彩色图像特征更多
• 特征可以非常抽象，甚至没有语义

【引申】深度学习就是用算法自动的进行特征工程

机器学习的主要任务

一、分类任务

将给定的数据进行分类

• 二分类任务
  • 给予的图片是猫还是狗
  • 判断邮件是垃圾邮件；不是垃圾邮件
  • 银行判断发个客户信用卡有风险；没有风险
  • 肿瘤是恶性还是良性
• 多分类任务
  • 手写字体的识别
  • 图像识别(不在是两类事物。多事物识别)
  • 判断发放给客户的信用卡的风险评级
  • 很多复杂的问题也可以转化成分类问题

一些算法只支持完成二分类任务
但多分类的任务可以转换成二分类任务
有一些算法天然的可以完成多分类任务

• 多标签任务
  假设有一张图片有两个人，多标签分类任务可以区分两个人，把第一个人作为A第二个作为B。甚至把图片中的其他事物进行区分

二、回归任务

• 结果是一个连续的值，而非一个类别
  • 房屋价格
  • 市场分析
  • 学生成绩
  • 股票价格

有一些算法只能解决回归问题，
有一些算法只能解决分类问题，
有一些算法的思路既能解决回归问题，又能解决分类问题。

有一些情况下，回归任务可以简化成分类任务

什么是机器学习.PNG

综上，大量学习资料被叫做数据集data set,算法根据资料建立模型，输入样例从而输出结果。
我们可以把模型看作f(x),x是样例，输出结果

回归问题和分类问题都是监督学习