机器学习入门(一)之----概念

2019年9月22日13:52:59-2019年9月22日14:40:25
给定由一批输入输出数据对$left(x^{(i)}, y^{(i)} ight) $ 组成的训练数据集,有监督学习的目标是学到一个较好的从输入$x^{(i)} $ 到输出$y^{(i)} $ 的映射。用来预测一个新的输入所对应的输出。
其中输入$x^{(i)} $ 又叫输入特征(features),输出$y^{(i)} $ 又叫目标变量或标签(target)。一个输入输出对$left(x^{(i)}, y^{(i)} ight) $ 又叫一个训练样例或训练样本(training example)。$m $ 个训练样例组成一个训练集(training set)(left{left(x^{(i)}, y^{(i)} ight) ; i=1, ldots, m ight})

我们用(mathcal{X}) 来表示输入空间,用$mathcal{Y} $ 表示输出空间,则有监督学习的目标是给定训练集(left{left(x^{(i)}, y^{(i)} ight) ; i=1, ldots, m ight}) ,学得一个从输入空间到输出空间的好的映射(h : mathcal{X} mapsto mathcal{Y}) 。这个映射又叫假设(hypothesis)。下图显示了训练集,学习算法,输入,假设,输出之间的关系。


根据目标变量$y^{(i)} $ 是否连续,又可分为回归问题(regression problem)和分类问题(classification problem)。

原文地址:https://www.cnblogs.com/qizhien/p/11568546.html