1.瓜绪论

1.1

机器学习:通过计算的手段,改善系统性能

内容:从数据中心产生模型（这个过程称为学习或训练）,即学习算法

1.2 术语

数据集：记录的集合

样本：关于一个对象事件的描述

属性、特征；属性值：属性上的取值；属性空间、样本空间

特征向量---d个属性（d维特征向量），d维样本空间

学习、训练：从数据中心学得模型的过程

模型：分类（预测离散值）-- 二分类、多分类 --无监督学习

回归（预测连续值）-- 输出空间y=R -- 无监督学习

聚类（自动形成簇cluster（组））--有监督学习

note：是否拥有标记信息--有无监督学习

预测：测试、测试样本、泛化（学的模型适用于新样本的能力）

1.3 假设空间

1、归纳（泛化）：特殊到一般

note：狭义：从训练数据中学得概念；广义：从样例中学习

演绎（特化）：一般到特殊

2、布尔概念：0/1

3、版本空间：一个与训练集一致的假设合集

1.4归纳偏好

1、def：机器学习算法学习过程中，对某种类型假设的偏好

什么样的模型更好

2、奥卡姆剃刀：选择最简单的（但还有其他可选原则）