大学课程《自然语言处理—技术与应用》PPT教学课件：第4章 机器学习在自然语言处理中的应用.pptxVIP

自然语言处理——技术与应用新形态计算机专业系列规划教材

监督学习概述2.1监督学习类型2.2目录contents机器学习在自然语言处理中的应用第4章监督学习和无监督学习的区别2.3支持向量机(SVM)2.4朴素贝叶斯2.5决策树2.6随机森林2.7梯度提升机2.8

监督学习概述4.1

4.1.1输入空间、输出空间和特征空间在监督学习中,将可能取得的输入和输出的全体称为输入空间(InputSpace)和输出空间(OutputSpace)。这些空间可以是有限元素构成的集合,也可以是整个欧氏空间。输入空间和输出空间可以相同也可以不同,通常情况下,输出空间远远小于输入空间。每个具体的输入被称为实例(Instance),通常用特征向量(FeatureVector)表示。此外,包含所有特征向量的空间被称为特征空间(FeatureSpace),其中每个维度对应一个特征。有时我们假设输入空间和特征空间是相同的,不作区分;而有时我们假设它们是不同的,通过将实例从输入空间映射到特征空间加以区分。实际上,模型是在特征空间中定义的。在监督学习中,将输入和输出视为定义在输入(特征)空间和输出空间上的随机变量的取值。这些变量可以是标量或向量,使用相同类型的字母表示。输入输出变量用大写字母表示,一般输入变量写作X,输出变量写作Y。它们的具体取值用小写字母表示,输入变量的取值为x,输出变量的取值为y。

4.