开始学习机器学习

由于想入深度学习坑，但基础太薄弱，打算还是先把机器学习系统学习一遍，参考教材为周志华的《机器学习》，之后再重点学习神经网络、caffe啥的吧。

机器学习基本术语

（1）数据的集合为数据集，每一个数据具有属性还有相应的属性值

（2）从数据中学得模型的过程称为“学习”或“训练”，使用的数据称为“训练数据”、样本称为“训练样本”、“训练集”

（3）数据训练是寻找输入空间和输出空间的一般关系

（4）训练结果通常包括“分类”（离散结果1,2,3...），“回归”（连续结果,0.97,0.94,0,61..），聚类（未知类别）

（5）有监督学习（分类和回归），无监督学习（聚类）

（6）学习得到模型适用于新样本的能力称为“泛化能力”

（7）归纳学习：从样例归结出一般规律

（8）假设空间：所有假设组成的空间，对数据所有属性值的遍历

（9）版本空间：满足当前 训练集结论的集合，是假设空间的子集

（10）归纳偏好：任意两个学习算法在误差均匀分布的情况下性能相同，因此需要根据先验知识引入归纳偏好，这样学习算法才有意义