机器学习笔记——模式识别

分类(classification)

    识别出样本所属的类别。根据识别前是否需要进行训练，可分为有监督分类(supervised%20classification)何无监督分类(unsupervised%20classification)。

    有监督分类：根据已知训练区提供的样本，通过计算选择特征参数，建立判别函数以对样本进行的分类。

    无监督分类：指人们事先对分类过程不施加任何的先验知识，而仅凭数据，即自然聚类的特性，进行“盲目”的分类；其分类的结果只是对不同类别达到了区分，但不能确定类别的属性。

回归(regression)

      统计学上分析数据的方法，目的在于了解连个或多个变数间是否相关、相关方向与强度，并建立数学模型以便观察待定变数来预测研究者感兴趣的变数。更具体的来说，回归分析可以帮助人们了解在只有一个自变量变化时因变量的变化量。

非参数统计（nonparametric%20statistics）

    统计学的分支，适用于母群体分布情况未明、小样本、母群体分布不为常态也不以转换为常态。

惰性学习(Lazing%20Leaning)%20也即%20基于实例的学习（Instance-based%20Learning）,机械学习（Rote%20Learning）。

    概率分类(Probabilistic%20classification)，%20基于概率分类，分类器给出一个最优类别猜测结果，同时给出这个猜测的概率估计值。概率分类器,%20给定一个（X是样本集），赋予概率值到所有的（Y是分类标签集），这些概率值的和使1。

    文氏图（Venn%20diagram）,不太严格意义下用一表示集合/类的一种草图。尤其适合表示集合/类之间的“大致关系”。

    B.算法