西瓜书读书笔记——第一章 绪论

西瓜书读书笔记——第一章 绪论

周教授在本文的开头描写了一个生活中常见的情景作为引子，点明了一个观点：特征+经验=预测结果。这是我们人类用来解决问题的常见方法。由人类迁移到计算机，那么计算机如何使用这个观点来进行预测呢？这就是机器学习的核心内容。在计算机系统中，经验常以数据的形式存在。因此，机器学习所研究的主要内容，就是在计算机上产生模型的算法。所谓的模型，也就是一堆函数，输入的数据经过这个函数，输出的结果即是我们想要的答案。机器学习的关键，就是在于找出这个函数，即产出模型。有了模型，我们就可以把它当作经验，从而解决其他类似的问题。

基本术语

以周教授所举的买西瓜为例：

数据集：一堆描述西瓜的数据集合

示例/样本：数据集中的每条记录，这些记录是关于一个事件或对象（这里指西瓜）的描述

属性/特征：反映事件或对象在某方面的表现或特征

属性值：属性的取值

属性空间/样本空间/输入空间：属性所张成的空间，例如色泽，根蒂，敲声作为三个坐标轴，建立的坐标系可以使每一个西瓜都落在坐标上。

特征向量：每一个点都对应一个向量，所以我们也把每一个示例称为特征向量

其他的概念描述地较为清晰，请读者自行阅读西瓜书了解

监督学习与无监督学习的区别在于人为提供标注好的数据的多少

监督学习的两大任务是回归和分类，他们的区别在于回归得到的是一堆数字，而分类得到的是类别，二分类任务，比如要求判断好坏；多分类任务，则是要求我们分出较多的类别。

泛化指的是模型能解决多种问题，通俗点讲就是模型比较灵活，既能算加法也能算乘法。

后面的内容对于初学者来讲没有必要了解的那么清楚，如看不懂也不要灰心，在学过一段时间后回头看这些内容可以帮助我们更好的理解，可以暂时先跳过。