机器学习期末复习——第一章

一、重点知识点回顾

1. 分类任务 vs 回归任务

在机器学习当中，分类（Classification）和回归（Regression）是两种主要的监督学习方式，其核心区别在于预测目标的性质不同：

• 分类：分类旨在预测离散的类别标签，例如判断一封邮件是“垃圾邮件”还是“非垃圾邮件”。
• 回归：回归用于预测连续的数值，例如预估房屋的价格或者明天的气温（预测的数值理论上可以取某个区间内的任意值）。

2. 监督学习 vs 无监督学习

监督学习（Supervised Learning）和无监督学习（Unsupervised Learning）是机器学习中两种核心的学习范式，其根本区别在于训练数据是否包含预先定义的标签：

• 监督学习：监督学习依赖于带标签的数据，其目标是让模型学习从输入到输出的映射关系，以解决分类或回归等预测性问题。
• 无监督学习：无监督学习则处理没有标签的原始数据，其核心任务是自主探索数据内在的分布规律与结构，例如通过聚类将数据分组。

3. 特征 vs 标签

以西瓜书中的一条记录为例：（（色泽=青绿；根蒂=蜷缩；敲声=浊响），好瓜）：

其中，“色泽”、“根蒂”和“敲声”等能够反映事件或对象在某方面的表现或性质的事项，被称之为属性（Attribute）或者特征（Feature），而“青绿”“蜷缩”“浊响”等自然是对应的属性值或者特征值；而“好瓜”则是关于示例结果的信息，称之为标签（Label）。

By the way，形如（色泽=青绿；根蒂=蜷缩；敲声=浊响）的记录被称之为“示例”（Instance），而形如（（色泽=青绿；根蒂=蜷缩；敲声=浊响），好瓜）的记录被称之为“样例”（Example）。这个不是重点，但是觉得很好玩所以顺便记录一下。

二、重点题目回顾