机器学习笔记1绪论----教材周志华西瓜书

1.学习机器学习这门课，首先问下自己，什么是机器学习。

2.机器学习的一些术语

1.数据集（二维表）

2.对象、事例、事件、样本、记录-------二维表的一行

3.属性-----二维表的一列

4.属性值--------二维表中一个单元格的值

5.属性空间------属性张成的空间，也称为样本空间或者输入空间

6.维数------属性的个数（一行除去标签列的列数）

7.标记或者决策属性-------bool型的属性

8.学习----------从数据集中得到模型的过程

9.训练集---------用于训练的数据集

10.样本和样例都是指二维表的一行。有标记的称为样例，无标记的称为样本

11.标记生成的空间称为标记空间或者输出空间

12.有监督的预测分为两类

1.分类（离散）

2.回归（连续）

13.用于检查数据的过程称为测试

14.注意区分训练和测试

15.聚类（无标记）-----分组变为簇的过程

16.分类------预测（监督学习）

17.聚类-----分组（无监督学习）

18.泛化：模型对新数据的处理能力              不具有泛化能力：模型不能很好的应对数据

19.理论基础：独立同分布

20.归纳： 特殊----------------一般

21.演绎： 一般----------------特殊

22.假设空间：所有取值的组合

23.版本空间：假设空间中符合训练集的组合

24.当版本空间内出现判断结果二义性：引出归纳偏好的概念

25.对于归纳偏好，常用的解决方案是奥卡姆剃刀模型（选择最简单的模型）

26.没有免费的午餐定理：总误差与算法无关

第一节课要求：给出一些样例，能够求出对应的版本空间（最好代码实现）