1、基本概念

• 训练集（training set/data）/训练样例（training example）：用来进行训练，也就是产生模型或者算法的数据集。
• 测试集（testing set/data）/测试样例（testing example）：用来专门进行测试已经学习好的模型或者算法的数据集。
• 特征向量（features/feature vector）：属性的集合，通常用一个向量表示，附属于一个实例。
• 标记（label）：c（x）.实例类别的标记
• 正例
• 反例

2、概念学习

概念学习是指从有关某个布尔函数的输入输出训练样例中推断出该布尔函数。

3、类别

• 有监督学习（supervised learning）：训练集有类别标记（class label）
• 半监督学习：有标记类别的数量集+无标记的训练集
• 无监督
• 分类（classfication）：目标标记为类别型数据（category）。
• 回归（regression）：目标标记为连续性数值（continuous numeric value）

4、例子

4.1、享受运动（离散值）======分类

案例
概念

4.2、房价（连续值）======回归

房价

4.3、肿瘤

有无监督学习

5、机器学习步骤框架

步骤框架