一篇文章讲清楚：机器学习的相关概念

在进入机器学习之前，我们需要先理清楚相关的常用术语，需要我们知道样本是什么？知道特征是什么？知道标签/目标值是什么？理解数据集划分的方法？文章借助黑马程序员的相关素材。

一、机器学习常用术语

样本(sample) ：一行数据就是一个样本；多个样本组成数据集；有时一条样本被叫成一条记录

特征(feature) ：一列数据一个特征，有时也被称为属性

标签/目标(label/target) ：模型要预测的那一列数据。本场景是就业薪资

就业薪资 与 培训学科、作业考试、学历、工作经验、工作地点 5个特征有关系

特征如何理解（重点）：特征是从数据中抽取出来的，对结果预测有用的信息 eg:房价预测、车图片识别

所谓样本就是拥有的原始数据，所谓特征就是数据统计的属性，所谓标签/目标就是你想求得的值，比如这里的就业薪资。

拥有数据集后，一般将数据集分成两部分，训练集和测试集（有的地方也叫验证集）

数据集可划分两部分：训练集、测试集 比例：8 : 2，7 : 3，一帮情况下训练集数据量大于测试集

训练集(training set) ：用来训练模型（model）的数据集

测试集(testing set)：用来测试模型的数据集

常用x_train表示 训练集中的x x_test 表示测试集中的x；y_train 表示训练集中的y y_test 表示测试集中的y。

二、机器学习算法的分类

机器学习算法主要分为有监督学习、无监督学习、半监督、强化学习，在这里我们需要知道有监督学习是什么？知道无监督学习是什么？知道半监督学习是什么？了解强化学习是什么？能掌握监督学习、无监督学习的数学表示。

1.有监督学习

定义：输入数据是由输入特征值和目标值所组成，即输入的训练数据有标签的

数据集：需要标注数据的标签/目标值

训练数据集带有标签

2.无监督学习

定义：输入数据没有被标记，即样本数据类别未知，没有标签，根据样本间的相似性，对样本集聚类，以发现事物内部结构及相互关系。

数据集：不需要标注数据（如图所示的图片样本，图片本身并未标注图片任务的职业，在训练过程中需要计算机自主学习图片之间的相似性）

两种算法不同源于数据集的本身特点不同，同时两种算法针对对象解决的问题也不一样，有监督学习解决的是分类和回归的问题，无监督学习主要针对的是聚类的问题。

3.有监督分类问题 & 回归问题

分类问题

目标值（标签值）是不连续的（如下数据集）

分类种类：二分类、多分类

回归问题

目标值（标签值）是连续的（如图所示房子价格可以是任意值，当将房价进行区间划分处理后回归问题也就变成了相应的分类问题）

4.无监督学习（聚类问题）

无监督学习特点：

1 训练数据无标签（如图所示样本无标签）

2 根据样本间的相似性对样本集进行聚类，发现事物内部结构及相互关系

5.半监督学习

工作原理：

1 让专家标注少量数据，利用已经标记的数据（也就是带有类标签）训练出一个模型

2 再利用该模型去套用未标记的数据

3 通过询问领域专家分类结果与模型分类结果做对比

半监督学习方式可大幅降低标记成本

6.强化学习

1 强化学习（Reinforcement Learning）：机器学习的一个重要分支

2 应用场景：里程碑AlphaGo围棋、各类游戏、对抗比赛、无人驾驶场景

3 基本原理：通过构建四个要素：agent，环境状态，行动，奖励，

agent根据环境状态进行行动获得最多的累计奖励。

三、总结