本文主要是介绍吃瓜task1，对大家解决编程问题具有一定的参考价值，需要的程序猿们随着小编来一起学习吧！

Task01

• 1.绪论基本概念术语
• • • 机器学习
  • 术 语
  • 假设空间
  • 归纳偏好*
• 2.模型评估和选择——*培养思想的过程*

1.绪论基本概念术语

机器学习

通过计算的手段，利用经验来改善系统自身的性能

术 语

数据集100个瓜
样本 拿出来1个瓜
特征向量

1. 样本空间，属性空间，输入空间
2. 特征 这瓜保熟 看颜色 大小 敲击的振幅等等
3. 维度 由2.的特征个数决定，一般几个对应几维

得到模型的过程：学习和训练

训练过程：训练数据，训练样本，训练集，假设，学习器

监督学习（我们知道怎么分
分类与回归模型
预测值——离散值 分类
——连续值 回归
无监督学习（不知道，让机器干
聚类
预测：测试，测试样本，泛化能力

假设空间

归纳 从特殊到一般 从训练数据中得到概念/从样本中学习
演绎 从一般到特殊

归纳偏好*

问同一数据集训练出了不同的模型的选择
特征选择
有原则 最常用的奥卡姆剃刀 选最简单的那个≈选择最接近问题本质的东西

学会克服数学恐惧**
面对数学符号，复杂公式，学会理解，熟练了会发现只是表示和过去所学的有差距，学会习惯

2.模型评估和选择——培养思想的过程

经验误差和过拟合
错误率E（error 这里不是期望值
精确度acc （1-E

条件判断 符合得1，否得0.再求和

混淆矩阵，查准率，查全率**概念比较绕

评估方法：训练集测试集验证集
测试集分割留出法
k折交叉验证
分割自助法
验证集
均方误差

PR关系，P-R曲线，反向关系，F1，Fβ
ROC曲线AUC示意图

代价敏感错误率代价曲线**

比较检验**
假设检验 二项分布
交叉验证t检验
后面各种英文检验
偏差和方差

这篇关于吃瓜task1的文章就介绍到这儿，希望我们推荐的文章对大家有所帮助，也希望大家多多支持为之网！