01框架处理.md

术语：标签和特征

• 标签是指我们要预测的真实事物：y 基本线性回归中的 y 变量
• 特征是指用于描述数据的输入变量：xi 基本线性回归中的 {x1、x2、…xn} 变量

术语：样本和模型

• 样本是指数据的特定实例：x 有标签样本具有 {特征, 标签}：(x, y) -->用于训练模型
• 无标签样本具有 {特征, ?}：(x, ?) -->用于对新数据做出预测
• 模型可将样本映射到预测标签：y' 由模型的内部参数定义，这些内部参数值是通过学习得到的

回归与分类

回归与分类 回归模型可预测连续值。例如，回归模型做出的预测可回答如下问题：

• 加利福尼亚州一栋房产的价值是多少？

• 用户点击此广告的概率是多少？

分类模型可预测离散值。例如，分类模型做出的预测可回答如下问题：

• 某个指定电子邮件是垃圾邮件还是非垃圾邮件？

• 这是一张狗、猫还是仓鼠图片？

总结：

• 合适的特征应该是具体且可量化的。