机器学习绪论

1. 引言

1. 机器学习,致力于研究如何通过计算的手段,利用经验来改善系统自身的性能

2. 基本术语

1. 数据集

数据的集合

2. 样本/示例

每条记录

3. 假设空间

1. 归纳(induction)和演绎(deduction)是科学推理的两大基本手段
2. 从样例中学习

是一种归纳过程, 是归纳学习

3. 广义归纳学习

从样例中学习

4. 狭义的归纳学习

从训练数据中学得概念(concept)

5. 概念学习

1. 目前研究、应用都比较少，因为要学得泛化性能好且语义明确的概念实在太困难了。
2. 现实常用的技术大多是产生“黑箱”模型
3. 了解概念学习，有助于理解机器学习的一些基础思想

6. 布尔概念学习

对“是” “不是”这样的可表示为0/1布尔值的目标概念的学习

4. 归纳偏好

1. 通过学习得到的模型对应了假设空间中的一个假设