西瓜书组队学习第一章，绪论

基本术语

数据集： 所有数据的集合成为一个数据集 data set

示例/样本: 一条记录，即一行数据

属性/特征： 描述事物的某一性质，比如西瓜的颜色属性，其实就是列名

属性值： 一个属性可能的取值范围，比如西瓜的颜色属性值有 青绿、乌黑

属性空间/样本空间： 所有属性构成的空间，比如一个西瓜有颜色、大小、敲声三个属性，就构成一个三维空间

特征向量: 一个示例用向量表示

维数：样本的属性个数

标记： 示例结果的信息，即要求解的y

假设： 学得模型对应了关于数据的某种潜在规律，被称为假设，这种潜在规律自身被称为真相或真实

训练集：训练模型使用的数据叫训练集

测试集：用训练集训练处模型后，被预测的样本叫测试集/测试样本

分类： 学习任务是预测y-离散值

回归： 学习任务是预测y-连续值

监督学习： 有标记信息，比如决策树。分类和回归都属于监督学习

无监督学习：无标记信息，比如聚类

泛化能力： 最终得到的模型适用于新样本的能力。模型是基于已有数据训练并测试的，但是最后还是要用来预测今后实际的未知的数据

假设空间

所有假设的集合

归纳偏好

当存在几个训练集得出的假设一致时，我们对其中某一假设进行偏好设置，从而确定唯一真相

发展历程，应用现状 pass