一。什么是機器學習

人工智能標準化白皮書（2018版）

機器學習（Machine Learning）是一門涉及統(tǒng)計學、系統(tǒng)辨識、逼近理論、神經網絡、優(yōu)化理論、計算機科學、腦科學等諸多領域的交叉學科，研究計算機怎樣模擬或實現人類的學習行為，以獲取新的知識或技能，重新組織已有的知識結構使之不斷改善自身的性能，是人工智能技術的核心。

基于數據的機器學習是現代智能技術中的重要方法之一，研究從觀測數據（樣本）出發(fā)尋找規(guī)律，利用這些規(guī)律對未來數據或無法觀測的數據進行預測。

Andrew Ng （吳恩達）

Machine Learning is the science of getting computers to act without being explicitly programmed.

機器學習是一門讓計算機無需顯式編程即可運行的科學。

Microsoft（微軟公司）

Machine learning is a technique of data science thathelps computers learn from existing data in order toforecast future behaviors， outcomes， and trends.

機器學習是一種數據科學技術，它幫助計算機從現有數據中學習，從而預測未來的行為、結果和趨勢。

二。機器學習的相關術語

樣本（sample）、示例（instance）：

所研究對象的一個個體。相當于統(tǒng)計學中的實例（example，instance）

特征（feature）、屬性（attribute）：

反映事件或對象在某方面的表現或性質的事項，如大小，顏色

屬性值（attribute value）：

屬性上的取值，例如“青綠”“烏黑”

屬性張成的空間稱為 “屬性空間”（attribute space）、“ 樣本空間”（sample space）或“輸入空間”。

特征空間（feature space）：

分別以每個特征作為一個坐標軸，所有特征所在坐標軸張成一個用于描述不同樣本的空間，稱為特征空間

在該空間中，每個具體樣本就對應空間的一個點，在這個意義下，也稱樣本為樣本點。

每個樣本點對應特征空間的一個向量，稱為 “特征向量”

特征的數目即為特征空間的維數。

樣本集 （sample set）、數據集（data set）：

若干樣本構成的集合；該集合的每個元素就是一個樣本

測試樣本”（testing sample）：

學得模型后，使用該模型進行預測的過程稱為“ 測試”（testing）， 被預測的樣本稱為“測試樣本”。

標記（label）：

有前面的樣本數據顯然是不夠的，要建立這樣的關于“預測”（prediction） 的模型，我們需獲得訓練樣本的“結果”信息，例如“（（色澤=青綠;根蒂=蜷縮;敲聲= =濁響），好瓜）”。這里關于示例結果的信息，例如“好瓜”，稱為“標記”（label）; 擁有了標記信息的示例，則稱為“樣例”（example）。

分類（classification）：

若我們欲預測的是離散值，例如“好瓜”“壞瓜”，此類學習任務稱為“分類”

回歸（regression）

若欲預測的是連續(xù)值，例如西瓜成熟度0.95、0.37，類學習任務稱為“回歸”。

對只涉及兩個類別的稱為“二分類’（binary classification）’

聚類”（clustering）

即將訓練集中的樣本分成若干組，每組稱為一個 “簇”（cluster）;

根據訓練數據是否擁有標記信息，學習任務可大致劃分為兩大類：“ 監(jiān)督學習”（supervised learning） 和 “無監(jiān)督學習”（unsupervised learning）， 分類和回歸是前者的代表，而聚類則是后者的代表.