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
lris setossa lris versicolor lris verginica
下面是鸢尾花的数据：
- 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
，也叫特征向量。第i个样本第j个特征值
第i个样本的标记写作
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：
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
- 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