机器学习入门之----概念

Posted 2022-11-23 qizhien

2019年9月22日13:52:59-2019年9月22日14:40:25
给定由一批输入输出数据对$\\left(x^(i), y^(i)\\right) $ 组成的训练数据集，有监督学习的目标是学到一个较好的从输入$x^(i) $ 到输出$y^(i) $ 的映射。用来预测一个新的输入所对应的输出。
其中输入$x^(i) $ 又叫输入特征（features），输出$y^(i) $ 又叫目标变量或标签（target）。一个输入输出对$\\left(x^(i), y^(i)\\right) $ 又叫一个训练样例或训练样本（training example）。$m $ 个训练样例组成一个训练集（training set）\\(\\left\\\\left(x^(i), y^(i)\\right) ; i=1, \\ldots, m\\right\\\\) 。

我们用\\(\\mathcalX\\) 来表示输入空间，用$\\mathcalY $ 表示输出空间，则有监督学习的目标是给定训练集\\(\\left\\\\left(x^(i), y^(i)\\right) ; i=1, \\ldots, m\\right\\\\) ，学得一个从输入空间到输出空间的好的映射\\(h : \\mathcalX \\mapsto \\mathcalY\\) 。这个映射又叫假设（hypothesis）。下图显示了训练集，学习算法，输入，假设，输出之间的关系。

根据目标变量$y^(i) $ 是否连续，又可分为回归问题（regression problem）和分类问题（classification problem）。