训练集（traning set/data）：用来训练，产生模型的算法的数据集
测试集(testing set/data）：用来训练，产生模型的算法的数据集)：用来专门进行测试已经学习好的模型或者算法的数据集。
特征向量（feature/feature vector）：属性集合，通常用一个向量来表示，附属于一个实例。
标记（label）：实例类别的标记（用模型测试完数据后得到的结果）。
正例（position example）
反例（negative example）
分类（classification）:目标标记为类别型数据(category)。
回归（regression）:目标标记为连续性数值（continuous numeric value）。
有监督学习（supervised learning）：训练集有类别标记（class label）。
无监督学习（unsupervised learning）：无类别标记（class label）。
半监督学习（semi-supervised learning）：有类别标记的训练集+无标记的训练集
机器学习步骤框架
把数据拆分为训练集和测试集
用训练集和测试集的特征向量来训练算法
用学习来的算法运用在测试集上来评估算法（可能要设计到调整参数（parameter tuning),用验证集（validation set））
原文地址：https://www.cnblogs.com/vichin/p/9222008.html
时间： 2024-10-16 03:03:08