数据的认知

Posted 2021-11-02 为了明天而奋斗

数据不仅指数字、有意义的文字、字幕、数字符号的组合、图形、图像、视频和音频等，也是客观事物的属性、数量、位置及相关关系的抽象表示。

机器学习

流程：数据-—>经验-——>模型（结果）

例：

x=1,y=1,z=1
x=2,y=2,z=2
x=3,y=3,z=3

上表组成一个样本空间，x,y,z是属性/特征，1,2,3 是属性值，每一行称为一组特征向量，用来表示一个示例或样本。

改写一下：

ID	x	y	z
1	1	1	1
2	2	2	2
3	3	3	3

数据集合 $D$ 包含 $m$ 个示例的数据集： D = { x 1 , . . . , x m } D=\\{x_1,...,x_m\\} D={x1​,...,xm​},

每个$x_i$为： $x_i=(x_{i1},...,x_{id})$

带标签的时候又可用 { ( x 1 , y 1 ) , 数 据 集 可 用 ( x 2 , y 2 ) , . . . , ( x m , y m ) } \\{(x_1,y_1),数据集可用(x_2,y_2),...,(x_m,y_m)\\} {(x1​,y1​),数据集可用(x2​,y2​),...,(xm​,ym​)}表示

$f:X->Y$, $y=f(x)$

ID	$x_1$	$x_2$	$x_3$	$y$
1	1	1	1	1
2	2	2	2	0
3	3	3	3	1

$x_{i1}$是表示第$i$个样本的第一个特征。

样本空间X， 假设空间H，

$p(h|X,A):$算法A在样本空间X下产生假设h的概率。

D = { ( x i , y i ) } i = 1 m D=\\{(x_i,y_i)\\}^m_{i=1} D={(xi​,yi​)}i=1m​, 属性值有序(大、小)和无序(one-hot)，

M-P神经元模型

$y=f(\sum w_i{x}_i-\theta )$