第一章 绪论
1. 根据训练数据是否拥有标记信息,学习任务可大致划分为两类:
(1)监督学习
- 分类:离散值
- 回归:连续值
(2)无监督学习
- 聚类
2. 泛化能力:学得模型适用于新样本的能力。
3. 归纳与假设
(1)归纳:从特殊到一般的“泛化”过程,即从具体的事实归结出一般性规律。
(2)假设:从一般到特殊的“特化”过程,即从基础原理推演出具体情况。
4. 归纳偏好:机器学习算法在学习过程中对某种类型假设的偏好。
归纳偏好可看作学习算法自身在一个可能很庞大的假设空间中对假设进行选择的启发式或“价值观”。