机器学习术语

关于机器学习

机器学习的主要任务是分类。另一个主要任务是回归，它主要用于预测数值型数据。

标签

理想输出值（很可能跟实际结果有偏差），也就是我们要预测的事物，即通常所说的 y ,可以理解为一个预测的结果，一个真实特征经过一个模型（这个模型可以通过各种方法获得）的处理后，得到的结果就是现在所说的标签。

特征

已知输入项（一个确定的，来自现实世界的确定值），简单的机器学习项目可能会使用单个特征，而比较复杂的机器学习项目可能会使用数百万个特征。

在垃圾邮件检测器实例中，特征可能包括

• 电子邮件文本中的单词
• 发件人地址
• 发邮件时间

样本

数据的特定实例：X

• 有标签样本
• 无标签样本
  无标签样本不包含标签，但是包含特征

有标签样本

机器学习分类

监督学习

有标签的数据，也就是每一个样本都有确定的标签。
监督学习，必须知道预测什么，既目标变量的分类信息。

朴素贝叶斯、逻辑回归和神经网络都属于监督学习方法。

分类

样本只有几个确定的结果，比如垃圾邮件检测模型，就可以采用分类的方式，一份邮件只有两个结果，要么是垃圾邮件，要么不是

回归

结果不是确定的，比如房价预测，

无监督学习

训练数据由没有任何相应目标值的一组输入向量x组成。
无监督学习，数据没有类别信息，也不会给定目标值。

No file, test, or concrete requested change is identified in the issue. Review the repository's existing blog content structure, then clarify whether this Chinese machine-learning terminology text should be added, revised, or reorganized; done means the intended content is published in the appropriate location.