第 1 页 / 共 19 页
第 2 页 / 共 19 页
第 3 页 / 共 19 页
第 4 页 / 共 19 页
第 5 页 / 共 19 页
第 6 页 / 共 19 页
第 7 页 / 共 19 页
第 8 页 / 共 19 页
第 9 页 / 共 19 页
第 10 页 / 共 19 页
第 11 页 / 共 19 页
第 12 页 / 共 19 页
第 13 页 / 共 19 页
第 14 页 / 共 19 页
第 15 页 / 共 19 页
第 16 页 / 共 19 页
第 17 页 / 共 19 页
第 18 页 / 共 19 页
第 19 页 / 共 19 页
机器学习（周志华） - 1.2 机器学习的一些基本术语 - 《周志华《机器学习》学习笔记》 - 书栈网 · BookStack
机器学习（周志华） - 1.2 机器学习的一些基本术语 机器学习，在《机器学习》（周志华）这本书中，被定义为一种让计算机在没有明确编程的情况下，通过学习数据来提高自身性能的方法。简单来说，它不是我们传统程序那样，直接告诉计算机“如果A，就执行B”，而是让计算机自己从数据中“学”到规律，然后进行预测或决策。 这种学习方式，本质上是让计算机学习数据中的模式，并利用这些模式来解决问题。 关键概念包括：模型 (Model)、数据 (Data) 和 算法 (Algorithm)。 算法是机器学习的核心，它利用数据来构建模型。模型本身就是一个数学表示，捕捉了数据中的统计规律。比如，线性回归模型就是一个试图找到输入特征与输出变量之间线性关系的数学模型。 数据是机器学习的“粮仓”，它提供了学习的原材料。数据可以分为训练集、验证集和测试集。训练集用于训练模型，验证集用于调整模型的超参数，而测试集则用于评估模型的最终性能。 另一个重要的术语是特征 (Feature)。特征是用来描述数据样本的属性。例如，如果我们要预测房价，那么“房屋面积”、“地理位置”、“房屋年龄”等就是特征。选择好的特征对于模型的效果至关重要。 机器学习算法，比如感知机、支持向量机、决策树等等，都是基于这些基本术语构建起来的。理解这些术语，是深入学习机器学习的关键一步。 掌握这些基础概念，能够帮助我们更好地理解机器学习的原理和方法。
展开
机器学习（周志华）
2025-07-21
9次阅读
资料获取方式
温馨提示：登录学霸英雄官网后可获取更多大学生必备科目和考证等复习备考资料！