机器学习的基础概念

数据

  • 著名的鸢尾花数据 https://en.wikipedia.org/wiki/lris_flower_data_set

Python3玩转儿 机器学习(1)-LMLPHP    Python3玩转儿 机器学习(1)-LMLPHP    Python3玩转儿 机器学习(1)-LMLPHP

lris setossa                                    lris versicolor                                         lris verginica

下面是鸢尾花的数据:

Python3玩转儿 机器学习(1)-LMLPHP

  • 数据整体叫数据集(data set)
  • 每一行数据称为一个样本(sample)
  • 除最后一列,每一列表达样本的一个特征(feature)
  • 最后一列,称为标记(label)

第i个样本行写作Python3玩转儿 机器学习(1)-LMLPHP ,也叫特征向量。第i个样本第j个特征值Python3玩转儿 机器学习(1)-LMLPHP 第i个样本的标记写作Python3玩转儿 机器学习(1)-LMLPHP

为了可视化特征方便,我们只抽取出特征中的前两个特征,其中萼片的长度作为横轴,萼片的宽度作为纵轴。

绘制下图:

Python3玩转儿 机器学习(1)-LMLPHP

对于每一个样本来说都会在坐标系中表示一个点,假设我们有三个特征,就可以在三维空间中表示它,同理如果有1000种特征,就可以在1000维的空间中表示它,而这个绘制样本的空间我们称它为特征空间(feature space)

通过可视化绘制样本点后,我们可以比较轻易的绘制出一根直线,红色样本在直线的一边而蓝色样本在直线的另一边。

分类任务本质就是在特征空间切分,在高维空间同理。

而鸢尾花拥有4个特征,应该是在4维特征空间中分析。

特征可以很抽象

Python3玩转儿 机器学习(1)-LMLPHP

  • 图像,每一个像素点都是特征
  • 28*28的图像有28*28=784个特征
  • 如果是彩色图像特征更多
05-11 09:32