問題構建 (Framing)

• 什麽是（監督式）機器學習？簡單來說，它的定義如下：

  • 機器學習系統通過學習如何組合輸入信息來對從未見過的數據做出有用的預測。

  標簽

  在簡單線性回歸中，標簽是我們要預測的事物，即 y 變量。標簽可以是小麥未來的價格、圖片中顯示的動物品種、音頻剪輯的含義或任何事物。

  特征

  在簡單線性回歸中，特征是輸入變量，即 x 變量。簡單的機器學習項目可能會使用單個特征，而比較復雜的機器學習項目可能會使用數百萬個特征，按如下方式指定： {x1,x2,...xN}

  （可量化！）

  樣本

  是指數據的特定實例： 有標簽樣本，無標簽樣本

  模型

  模型定義了特征與標簽之間的關系。

  • 訓練

    表示創建或學習模型。也就是說，您向模型展示有標簽樣本，讓模型逐漸學習特征與標簽之間的關系。

  • 推斷表示將訓練後的模型應用於無標簽樣本。也就是說，您使用訓練後的模型來做出有用的預測 (y‘)。

  回歸模型可預測連續值。

  分類模型可預測離散值。

【機器學習】谷歌的速成課程（一）