深度学习-基本概念

--基本概念了解

天气：晴，阴，雨
温度：暖，冷
湿度：普通，大
风力：强，弱
水温：暖，冷
预报：一样，变化

享受运动：是，否 (1, 0)

———概念定义在实例(instance)集合之上，在这个集合表示为X。（X: 所有可能的日子，每个日子的值由天气，温度，湿度，风力，水温，预报6个属性表示）

待学习的概念或目标函数成为目标概念(target concept).记做c。
c(x) = 1，当享受运动时，c(x) = 0，当不享受运动时，c(x)也可叫做y
x：每一个实例
X：样例，所有实例的集合
学习目标：f：X -> Y

1. 训练集(training set/data)/训练样例(training examples)：用来进行训练，也就是产生模型或者算法的数据集
   测试机(testing set/data)/测试样例(testing examples)：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，通常用一个向量来表示，附属于一个实例
   标记(label)：c(x)，实例类别的标记
   正例(positive example)
   反例(negative example)

例子

研究美国硅谷房价
影响房价的两个重要因素：面积(平方米)，学区(评分1-10)

2. 分类(classification)：目标标记为类别行数据(category)
   回归(regression)：目标标记为连续性数值(continuous numeric value)

3. 研究肿瘤良性，恶性于尺寸，颜色的关系
   特征型：肿瘤尺寸，颜色
   标记：良性，恶性

4. 有监督学习(supervised learning)：训练集有类别标记(class label)
   无监督学习(unsupervised learning)：无类别标记(class label)
   半监督学习(semi-supervised learning)：有类别标记的训练集+无标记的训练集