第一章绪论
第一节 基本术语
这里主要给出一些专用或常用词汇的英语汉语对照,以方便以后的英文阅读
数据集(data set) 样本(sample) 特征(feature) 属性值(attribute value) 样本空间(sample space)
特征向量(feature vector) 维数(dimension) 假设(hypothesis) 标记(label) 标记空间(label space)
分类(classification) 回归(regression) 二分类(binary classification) 多分类(multi-class classification)
聚类(clustering) 簇(cluster) 监督学习(supervised learning)无监督学习(unsupervised learning)
泛化(generalization) 分布(distribution) 归纳(induction) 演绎(deduction)
第二节 一些理解
没有免费的午餐(No Free Lunch Theorem)简称NFL定理,他最重要的意义在于无论什么学习算法,都要针对具体的问题,没有一个永远绝对好的算法,学习算法的归纳偏好与问题是否相匹配,往往会起到决定到性的作用。
关于泛化这个词,我觉得翻译的不是特别好,让人不能直接的知道这个词是什么,而generalization这个词更适合用 普适性
来解释吧,个人见解。
总结:
第一章没有什么遇到新的比较让我觉得可以记下来的内容,就先记录这些吧。