周志华机器学习读书笔记（一）绪论

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。