（三）机器学习——基本概念

1、基本概念：训练集、测试集、特征值、监督学习、半监督学习、分类、回归

2、概念学习：
实例（instance） 集合 目标概念（target concept）
训练集（training set/data） 测试样例（testing examples）
特征向量（features/feature vetor）:属性的集合
标记（label）
正例（positive example）
反例（negative example）

3、分类、回归
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）

4、有监督、无监督、半监督
有监督学习（supervised learning）：训练集有类别标记（calss label）
无监督学习（unsupervised learning）：无类别标记（class label）
半监督学习（semi-superviesd learning）：有类别标记的训练集+无标记的训练集
5、机器学习步骤框架
（1）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训练算法
（3）用学习的算法运用在测试集上，评估算法（可用于调整参数parameter tuning，验证集validation set）