机器学习（基本概念）

1.概念学习：概念学习是指从有关某个布尔函数的输入输出训练样例中推断出该布尔函数的值。

2.目标概念：指代学习的概念或目标函数。

3.训练集/训练样例：用来进行训练，也就是产生模型或者算法的数据集。

4.测试集/测试样例：用来专门进行测试已经学习好的模型或者算法的数据集。

5.特征向量：属性的集合，通常用一个向量来表示，附属于一个实例。

6.标记：实力类别的标记。

7.正例、反例

8.分类：目标标记为类别型数据

9.回归：目标标记为连续性数值

10.有监督学习：训练集有类别标记

11.无监督学习：训练集无类别标记

12.半监督学习：有类别标记训练集+无类别标记训练集

13.机器学习步骤框架：

（1）把数据拆分为训练集和测试集

（2）用训练集和训练集的特征向量来训练算法

（3）用学习来的算法运用在测试集上来评估算法（可能会涉及到调整参数）