机器学习基础(1)-基本概念

　　　　　　　　　　　　　　　　　　基本概念介绍

训练集:train set 用来进行训练，也就是产生模型或者算法的数据集

测试集:test set 用来专门进行测试已经学习好的模型或者算法的数据集

特征向量;特征属性的集合 使用一组向量来表示

标记:对一个实例结果的标记

监督学习:训练集有类别标记　　

非监督学习:训练集无类别标记

半监督学习:有标记的训练集+无标记的训练集

分类:目标标记为类别型的数据

回归:目标标记为连续性数值

机器学习的步骤框架:

1.把数据集分为训练集和测试集

2.用训练集和训练集的特征向量来训练算法

3.用学习来的算法运用在运用在测试机上评估算法