机器学习-01 绪论

你的名字 2022-11-21 04:19 183阅读 0赞

## **1.1 机器学习的定义** ##

正如我们根据过去的经验来判断明天的天气，吃货们希望从购买经验中挑选一个好瓜，那能不能让计算机帮助人类来实现这个呢？机器学习正是这样的一门学科，人的“经验”对应计算机中的“数据”，让计算机来学习这些经验数据，生成一个算法模型，在面对新的情况中，计算机便能作出有效的判断，这便是机器学习。

另一本经典教材的作者Mitchell给出了一个形式化的定义，假设：

*  P：计算机程序在某任务类T上的性能。
 *  T：计算机程序希望实现的任务类。
 *  E：表示经验，即历史的数据集。

若该计算机程序通过利用经验E在任务T上获得了性能P的改善，则称该程序对E进行了学习。

## **1.2 机器学习的一些基本术语** ##

假设我们收集了一批西瓜的数据，例如：（色泽=青绿;根蒂=蜷缩;敲声=浊响)， (色泽=乌黑;根蒂=稍蜷;敲声=沉闷)， (色泽=浅自;根蒂=硬挺;敲声=清脆)……每对括号内是一个西瓜的记录，定义：

*  所有记录的集合为：**数据集。**
 *  每一条记录为：一个**实例**（instance）或**样本**（sample）。
 *  例如：色泽或敲声，单个的特点为**特征（feature）或属性（attribute）**。
 *  对于一条记录，如果在坐标轴上表示，每个西瓜都可以用坐标轴中的一个点表示，一个点也是一个向量，例如（青绿，蜷缩，浊响），即每个西瓜为：一个**特征向量**（feature vector）。
 *  一个样本的特征数为：**维数（dimensionality）**，该西瓜的例子维数为3，当维数非常大时，也就是现在说的“维数灾难”。
 *  计算机程序学习经验数据生成算法模型的过程中，每一条记录称为一个“训练样本”，同时在训练好模型后，我们希望使用新的样本来测试模型的效果，则每一个新的样本称为一个“**测试样本**”。定义：

所有训练样本的集合为：**训练集（trainning set）**，\[特殊\]。

所有测试样本的集合为：**测试集（test set）**，\[一般\]。

*  机器学习出来的模型适用于新样本的能力为：**泛化能力（generalization）**，即从特殊到一般。

西瓜的例子中，我们是想计算机通过学习西瓜的特征数据，训练出一个决策模型，来判断一个新的西瓜是否是好瓜。可以得知我们预测的是：西瓜是好是坏，即好瓜与差瓜两种，是离散值。同样地，也有通过历年的人口数据，来预测未来的人口数量，人口数量则是连续值。定义：

*  预测值为离散值的问题为：**分类（classification）**。
 *  预测值为连续值的问题为：**回归（regression）**。

我们预测西瓜是否是好瓜的过程中，很明显对于训练集中的西瓜，我们事先已经知道了该瓜是否是好瓜，学习器通过学习这些好瓜或差瓜的特征，从而**总结出规律**，即训练集中的西瓜我们都做了标记，称为**标记信息**。但也有没有标记信息的情形，例如：我们想将一堆西瓜根据特征分成两个小堆，使得某一堆的西瓜尽可能相似，即都是好瓜或差瓜，对于这种问题，我们事先并不知道西瓜的好坏，样本没有标记信息。定义：

*  训练数据有标记信息的学习任务为：**监督学习（supervised learning）**，容易知道上面所描述的分类和回归都是监督学习的范畴。
 *  训练数据没有标记信息的学习任务为：**无监督学习（unsupervised learning）**，常见的有聚类和关联规则。