机器学习主要术语
什么是（监督）机器学习？简而言之，它是以下内容：
- 机器学习系统学习如何组合输入以对从未见过的数据产生有用的预测。
接下来看一些基本的机器学习术语。
labels
标签（labels）：
- 标签是我们预测的东西——简单线性回归中的y变量。
- 标签可能是小麦的未来价格，图片中显示的动物种类，音频剪辑的含义或几乎任何东西。
Features
特征（Features）：
- 一个特征是一个输入变量——简单线性回归中的x变量。
- 一个简单的机器学习项目可能只使用一个特性，而一个更复杂的机器学习项目可能使用数百万个特性，具体如下:
在垃圾邮件检测器的例子中，功能可能包括以下内容: - 电子邮件文字中的单词
- 寄件人地址
- 电子邮件的发送时间
Examples
一个示例是数据x的特定实例。（我们将 x设为粗体表示x是向量。）我们将示例分为两类：
- 带标签的实例
带标签的示例同时包含特征和标签。
labeled examples: {
features, label}: (x, y)
使用标记的示例来训练模型。在我们的垃圾邮件检测器示例中，标记的示例将是用户已明确标记为“垃圾邮件”或“非垃圾邮件”的单个电子邮件。
例如，下表显示了来自数据集中的5个带有标签的示例， 其中包含有关加利福尼亚州住房价格的信息：
- 未带标签的实例
unlabeled examples: {
features, ?}: (x, ?)
这是来自同一房屋数据集的3个未标记的示例，其中不包括medianHouseValue：
一旦我们使用带标签的示例训练了模型，就可以使用该模型来预测未带标签的示例的标签。在垃圾邮件检测器中，未标记的示例是尚未标记的新电子邮件。
Models
- 模组定义了特征与标签之间的关系。
例如，垃圾邮件检测模型可能会将某些功能与“垃圾邮件”紧密关联。让我们重点介绍模型生命的两个阶段：
- Training（训练）：创建并且学习模型。你应该给模型提供一些带有标签的模型，然后你的模型就会渐渐的学习并找出特征与标签之间的联系。
- Inference（推断）:意味着将训练后的模型应用于未标记的示例。也就是说，您可以使用经过训练的模型做出有用的预测（y’）。例如，可以预测medianHouseValue新的未标记示例。
Regression vs. classification
一个回归模型(Regression)预测连续值。例如，回归模型做出的预测可以回答如下问题：
- 北京的房价是多少
- 用户点击我这篇文章的可能性是多少
一个分类模型（classification）预测离散值。例如，分类模型做出的预测可以回答如下问题：
- 这个邮件是否为垃圾邮件
- 这张图片是肖战还是王一博还是蔡徐坤
Q&A
1.假设您想开发一种监督式机器学习模型来预测指定的电子邮件是“垃圾邮件”还是“非垃圾邮件”。以下哪些表述正确？（2个正确答案）
- 我们将使用无标签样本来训练模型。
- 主题标头中的文字适合做标签。
- 未标记为“垃圾邮件”或“非垃圾邮件”的电子邮件是无标签样本。
- 有些标签可能不可靠。
2.假设一家在线鞋店希望创建一种监督式机器学习模型，以便为用户提供合乎个人需求的鞋子推荐。也就是说，该模型会向小明推荐某些鞋子，而向小美推荐另外一些鞋子。以下哪些表述正确？
- 鞋码是一项实用特征。
- “用户点击鞋子描述”是一项实用标签。
- 鞋的美观程度是一项实用特征。
- 用户喜欢的鞋子是一种实用标签。
解析：
1-3,4
- 我们将使用有标签样本来训练模型。然后，我们可以对无标签样本运行训练后的模型，以推理无标签的电子邮件是垃圾邮件还是非垃圾邮件。
- 有可能，但是没必要。
- 由于我们的标签由“垃圾邮件”和“非垃圾邮件”这两个值组成，因此任何尚未标记为垃圾邮件或非垃圾邮件的电子邮件都是无标签样本。
- 那必然。由于很少的用户会将每一封可疑的电子邮件都标记为垃圾邮件，因此我们可能很难知道某封电子邮件是否是垃圾邮件。此外，有些垃圾内容发布者可能会故意提供错误标签来误导我们的模型。
2-1,2
- 鞋码是一种可量化的标志，可能对用户是否喜欢推荐的鞋子有很大影响。例如，如果小明穿 43 码的鞋，则该模型不应该推荐 35码的鞋。
- 用户可能只是想要详细了解他们喜欢的鞋子。因此，用户点击次数是可观察且可量化的指标，可用来训练合适的标签。
- 合适的特征应该是具体且可量化的。美观程度是一种过于模糊的概念，不能作为实用特征。美观程度可能是某些具体特征（例如样式和颜色）的综合表现。样式和颜色都比美观程度更适合用作特征。
- 喜好不是可观察且可量化的指标。