GooSeeker

overfitting的定义

维基百科对过拟合(overfitting)的定义：

回归分析的定义

维基百科对回归分析的定义：

回归分析（Regression Analysis）是一种统计学上对数据进行分析的方法，主要是希望探讨数据之间是否有一种特定关系。回归分析是建立因变量Y（或称依变量、原文为：response variables, dependent variables）与自变量X（或称独变量，原文为predictors, independent variables）之间关系的模型。

决策树（decision tree）这个概念主要出现在两个领域：决策分析（Decision Analysis）和机器学习（Machine Learning），在机器学习领域，也叫Decision Tree Learning。

决策树的定义

维基百科对决策树的定义：

Greedy Algorithm翻译成贪婪算法、贪婪法，有的称其为貪婪演算法。

维基百科对贪婪算法的解释：

摘自深入浅出谈数据挖掘

承接数据挖掘和常规数据分析的区别一文的案例，如果某运营商需要建立一个模型来筛选一部分目前还没有用彩铃的用户作为推广彩铃业务的目标用户，那么这样一个任务要取得成功的关键要素是什么呢？是分析人员的思维模式、分析采用的方法、相关业务知识还是分析采用的工具？

摘自深入浅出谈数据挖掘

一般来说，比较狭义的观点认为数据挖掘区别于常规数据分析的关键点在于：

• 数据挖掘主要侧重解决四类问题：分类、聚类、关联、预测，
• 而常规数据分析则侧重于解决除此之外的其他数据分析问题：如描述性统计、交叉报表、假设检验等。

让我们来看两个例子对比：

MPQA是一个语料库和观点识别系统（Corpus and Opinion Recogntion System）。根据其网页，该系统有下面几部分：

词性标注也叫词类标注，POS tagging是part-of-speech tagging的缩写。

维基百科对POS Tagging的定义：

摘录自文本分类与聚类(text categorization and clustering)

• 情感和主观观点分类(sentiment and subjectivity classification)：情感分析（sentiment analysis）就是一个文本分类（text classification）问题，主要有两个级别：
  • 文档级别的分类：含有主观观点的文章表达的是正面的还是负面的观点（positive or negative opinion），有个专用名词表示这一类sentiment classification或者document-level sentiment classification
  • 句子级别的分类：主要目的
    • 句子表述的意思是主观的还是客观的，表示这一类的专用名词：subjectivity cl