1. 基本概念：訓(xùn)練集，測試集，特征值，監(jiān)督學(xué)習(xí)，非監(jiān)督學(xué)習(xí)，半監(jiān)督學(xué)習(xí)，分類，回歸
2. 概念學(xué)習(xí)：人類學(xué)習(xí)概念：鳥，車，計(jì)算機(jī)
定義：概念學(xué)習(xí)是指從有關(guān)某個(gè)布爾函數(shù)的輸入輸出訓(xùn)練樣例中推斷出該布爾函數(shù)
3. 例子：學(xué)習(xí) “享受運(yùn)動(dòng)" 這一概念：
小明進(jìn)行水上運(yùn)動(dòng)，是否享受運(yùn)動(dòng)取決于很多因素
image.png
天氣：晴，陰，雨
溫度：暖，冷
濕度：普通，大
風(fēng)力：強(qiáng)，弱
水溫：暖，冷
預(yù)報(bào)：一樣，變化
享受運(yùn)動(dòng)：是，否
概念定義在實(shí)例(instance)集合之上，這個(gè)集合表示為X。（X：所有可能的日子，每個(gè)日子的值由 天氣，溫度，濕度，風(fēng)力，水溫，預(yù)報(bào)6個(gè)屬性表示。）
待學(xué)習(xí)的概念或目標(biāo)函數(shù)成為目標(biāo)概念（target concept), 記做c。
c(x) = 1, 當(dāng)享受運(yùn)動(dòng)時(shí)， c(x) = 0 當(dāng)不享受運(yùn)動(dòng)時(shí)，c(x)也可叫做y
x: 每一個(gè)實(shí)例
X: 樣例, 所有實(shí)例的集合
學(xué)習(xí)目標(biāo)：f: X -> Y X映射到Y(jié)上
4. 訓(xùn)練集(training set/data)/訓(xùn)練樣例（training examples): 用來進(jìn)行訓(xùn)練，也就是產(chǎn)生模型或者算法的數(shù)據(jù)集
測試集(testing set/data)/測試樣例 (testing examples)：用來專門進(jìn)行測試**已經(jīng)學(xué)習(xí)好的**模型或者算法的數(shù)據(jù)集
特征向量(features/feature vector)：屬性的集合，通常用一個(gè)向量來表示，附屬于一個(gè)實(shí)例
標(biāo)記(label): c(x), 實(shí)例類別的標(biāo)記，上例中的是，否就是標(biāo)記
正例(positive example) 如是
反例(negative example) 如否
5. 例子：研究美國硅谷房價(jià)
影響房價(jià)的兩個(gè)重要因素：面積(平方米），學(xué)區(qū)（評分1-10）
image.png
特征：面積和學(xué)區(qū)
目標(biāo)概念：房價(jià)值會(huì)是多少
實(shí)例：樣例一等
目標(biāo)標(biāo)記：房價(jià)值
6. 分類 (classification): 目標(biāo)標(biāo)記為類別型數(shù)據(jù)(category)
回歸(regression): 目標(biāo)標(biāo)記為連續(xù)性數(shù)值 (continuous numeric value)
7. 例子：研究腫瘤良性，惡性于尺寸，顏色的關(guān)系
特征值：腫瘤尺寸，顏色
標(biāo)記：良性/惡性
有監(jiān)督學(xué)習(xí)(supervised learning)： 訓(xùn)練集有類別標(biāo)記(class label)
無監(jiān)督學(xué)習(xí)(unsupervised learning)： 無類別標(biāo)記(class label)
半監(jiān)督學(xué)習(xí)（semi-supervised learning)：有類別標(biāo)記的訓(xùn)練集 + 無標(biāo)記的訓(xùn)練集
8. 機(jī)器學(xué)習(xí)步驟框架
8.1 把數(shù)據(jù)拆分為訓(xùn)練集和測試集
8.2 用訓(xùn)練集和訓(xùn)練集的特征向量來訓(xùn)練算法
8.2 用學(xué)習(xí)來的算法運(yùn)用在測試集上來評估算法 （可能要設(shè)計(jì)到調(diào)整參數(shù)（parameter tuning), 用驗(yàn)證集（validation set）
100 天： 訓(xùn)練集
10天：測試集 （不知道是否 ” 享受運(yùn)動(dòng)“， 知道6個(gè)屬性，來預(yù)測每一天是否享受運(yùn)動(dòng)）
