《零基础学机器学习》读书笔记三之基本机器学习术语
| 阿里云国内75折 回扣 微信号：monov8 |
| 阿里云国际，腾讯云国际，低至75折。AWS 93折 免费开户实名账号 代冲值 优惠多多 微信号：monov8 飞机：@monov6 |
《零基础学机器学习》读书笔记三之基本机器学习术语
一、机器学习快速上手路径续
1.3 基本机器学习术语
1.3.1 特征
特征是机器学习中的输入原始的特征描述了数据的属性。特征的维度指的是特征的数目。
把向量、矩阵和其他张量的维度统称为 阶或者称为1D向量、2D矩阵、3D张量等。
”维“主要指的就是数据集中特征X的数目。 特征维度越高数据集越复杂。
张量是机器学习的数据结构也就是程序中的数组。向量、矩阵都是张量的一种。向量张量是一个1D数组矩阵张量是一个2D数组。
1.3.2 标签
标签是机器学习要输出的结果是我们视图预测的目标。机器学习要解决什么问题标签就是什么。
一个有标签数据样本的格式
(x1,x2,x3;y)
机器推断出来的称作预测标签y’ (也叫y-hat。
比较y和y’的差异也就是在评判机器学习模型的效果。
在无监督学习中所有的样本都没有标签。
1.3.3 模型
模型将样本映射到预测标签y’。
模型就是函数是执行预测的工具。
函数由函数的内部参数定义。
在机器学习中先确定模型的类型也可以说是算法
选定算法之后再确定模型的参数
类型和参数都确定了机器学习的模型也就最终确定了。