深度学习 1

基本概念
训练集，测试集、特征值、监督学习、非监督学习、半监督徐熙、分类、回归
概念学习：从某个布尔函数的输入输出训练样例中推断出该布尔函数
实例集合X
X：样例
x：每一个实例
C(x)：目标概念
学习目标 f:X->Y

训练集 training set/data 训练样例training example
:用来专门训练，也就是产生模型或者算法的数据集。
测试集 testing set/data 测试样例 testing example
：用来专门测试已经学习好的模型或者算法的数据集
特征向量 feature/feature vector
:属性的集合，通常用一个向量表示，附属一个实例
标记
:实例的标记类别
正例、反例

分类classification :目标标记为类别型数据 （category）
回归regression :目标标记为连续性数值 （continuous number value）

例子：研究肿瘤良性，恶性于尺寸，颜色的关系
特征值：肿瘤尺寸 …
标记：良性、恶性 （分类：目标标记为类别型数据）

有监督学习（supervised learning）:训练集有类别标记 （class label）
无监督学习（unsupervised learning）：无类别标记
半监督学习（semi-supervised learning）:有类别标记的训练集+无标记的训练集

机器学习框架

1：把数据拆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测试集上来评估算法（涉及到调整参数（parameter tuning）用验证集(validation set））