机器学习：西瓜书笔记——绪论

引言

机器学习所研究的主要内容：是关于在计算机上从数据中产生“模型”的算法，即学习算法。

有了学习算法，我们把经验数据提供给它，它就能基于这些数据产生模型，在面对新的情况的时候，模型回归给我们提供相应的判断。

计算机科学是研究关于“算法”的学问，那么机器学习是研究“学习算法”的学问。

基本术语：

术语	概念
数据集data set	记录的集合，或者叫数据的集合
示例instance、样本sample	每条记录是关于一个事件或者对象
属性attribute、特征feature	反映事件或对象在某方面的表现或性质的事项
属性值attribute value	属性上的取值
属性空间attribute space、样本空间 sample space	属性长成的空间
特征向量 feature vector	空间的示例
学习learning、训练training	从数据中学得模型的过程
训练数据training data	训练过程中使用的数据
训练样本training sample	训练数据中的每一个样本
训练集 training set	训练样本组成的集合
假设 hypothesis	学得模型对应了关于数据的某种潜在的规律
真相ground—truth	潜在规律自身

学习过程就是为了找出或者逼近真相。

泛化：模型有适应新样本的能力。