机器学习__基础知识.pptxVIP

基础知识 基础知识色泽根蒂敲声好瓜青绿蜷缩浊响是乌黑蜷缩浊响是青绿硬挺清脆否乌黑稍蜷沉闷否输入空间, 属性空间, 样本空间数据集; 训练, 测试示例(instance), 样例(example)样本(sample)属性(attribute), 特征(feature); 属性值特征向量(feature vector) 基础知识色泽根蒂敲声好瓜青绿蜷缩浊响是乌黑蜷缩浊响是青绿硬挺清脆否乌黑稍蜷沉闷否输入空间, 属性空间, 样本空间数据集; 训练, 测试示例(instance), 样例(example)样本(sample)属性(attribute), 特征(feature); 属性值特征向量(feature vector) 基础知识色泽根蒂敲声好瓜青绿蜷缩浊响是乌黑蜷缩浊响是青绿硬挺清脆否乌黑稍蜷沉闷否输入空间, 属性空间, 样本空间数据集; 训练, 测试示例(instance), 样例(example)样本(sample)属性(attribute), 特征(feature); 属性值特征向量(feature vector) 基础知识色泽根蒂敲声好瓜青绿蜷缩浊响是乌黑蜷缩浊响是青绿硬挺清脆否乌黑稍蜷沉闷否输入空间, 属性空间, 样本空间数据集; 训练, 测试示例(instance), 样例(example)样本(sample)属性(attribute), 特征(feature); 属性值特征向量(feature vector) 基础知识输入空间, 属性空间, 样本空间数据集; 训练, 测试示例(instance), 样例(example)样本(sample)属性(attribute), 特征(feature); 属性值特征向量(feature vector) 基础知识色泽根蒂敲声好瓜青绿蜷缩浊响是乌黑蜷缩浊响是青绿硬挺清脆否乌黑稍蜷沉闷否类别标记训 练模 型假设(hypothesis)空间决策树、SVM、贝叶斯网、神经网络、随机森林……假设空间是由输入空间到输出空间的映射构成的集合，每个映射对应一个模型，假设空间确定了模型预测的范围。 基础知识色泽根蒂敲声好瓜青绿蜷缩浊响是乌黑蜷缩浊响是青绿硬挺清脆否乌黑稍蜷沉闷否类别标记训 练模 型假设(hypothesis)空间决策树、SVM、贝叶斯网、神经网络、随机森林……监督学习(supervised learning)新样本（浅白，蜷缩，浊响，？） 基础知识色泽根蒂敲声好瓜青绿蜷缩浊响是乌黑蜷缩浊响是青绿硬挺清脆否乌黑稍蜷沉闷否类别标记训 练模 型假设(hypothesis)空间决策树、SVM、贝叶斯网、神经网络、随机森林……监督学习(supervised learning)新样本（浅白，蜷缩，浊响，？）未见样本(unseen instance)未知“分布”独立同分布(i.i.d.)泛化(generalization) 基础知识色泽根蒂敲声好瓜青绿蜷缩浊响是乌黑蜷缩浊响是青绿硬挺清脆否乌黑稍蜷沉闷否类别标记训 练模 型假设(hypothesis)空间决策树、SVM、贝叶斯网、神经网络、随机森林……监督学习(supervised learning)新样本（浅白，蜷缩，浊响，？）？= 是? 分类, 回归? 二分类, 多分类? 正类, 反类 基础知识? 均值? 标准差? 方差? 协方差?含有n个样本的集合?样本集合的平均值，是表示一组数据集中趋势的量数，反映一组数据的一般情况、平均水平，也可以用它进行不同组数据的比较，以看出组与组之间的差别。直观、简明 基础知识? 均值? 标准差? 方差? 协方差?含有n个样本的集合?样本集合的平均值，是表示一组数据集中趋势的量数，反映一组数据的一般情况、平均水平，也可以用它进行不同组数据的比较，以看出组与组之间的差别。直观、简明??平均值都是10 基础知识??含有n个样本的集合????标准差 8.3 1.8样本集合的各个样本点到均值的距离分布，描述的是样本集的分散程度。模型的稳定性 基础知识? 均值? 标准差? 方差? 协方差对于多个维度的数据集色泽根蒂敲声好瓜青绿蜷缩浊响是乌黑蜷缩浊响是青绿硬挺清脆否乌黑稍蜷沉闷否?正值：正相关 0：相互独立负值：负相关 基础知识? 均值? 标准差? 方差? 协方差?正值：正相关 0：相互独立负值：负相关 基础知识偏差: 描述模型输出结果的期望与样本真实结果的差距。?方差: 描述模型对于给定值的输出稳定性。? THANKS