1.2.1基本概念
- 训练集
- 测试集
- 特征值
- 监督学习
- 非监督学习
- 半监督学习
- 分类
- 回归
1.2.2例子1
- 针对例子1，我们可以把100天的数据（包括每天的温度X1，天气X2，风力X3，水温X4，湿度X5，预报X6和小明每天是否享受运动Y）作为训练集，产生模型，再用接下来的10天作为测试集检验生成的模型
- N（X1，X2，X3，X4，X5，X6）向量即为特征向量
- 温度X1，天气X2，风力X3，水温X4，湿度X5，预报X6即为6个属性
- 可以标记享受运动为正例，自然不享受即为反例
1.2.3例子2
- 不难发现例子1的输出结果为数值型（享受即为1，不享受记为0），例子2的结果为房价，是连续型的，所以例子1是分类问题，例子2是回归问题
1.2.4例子4
- 对于例子1和例子2都是有标记Y的训练集，所以是监督学习，对于例子3，肿瘤是否为良性或恶性可以不先标记出，而是先根据肿瘤大小和颜色分成两类，之后只需要知道任何一个样本（也叫特征向量）就可以知道所有标记
1.2.5机器学习一般步骤
