机器学习从入门到精通（绪论）

1.1引言

机器学习致力于研究如何通过计算的手段，利用经验来改善系统自身的性能，在计算机系统中，“经验”通常以“数据”形式存在，因此，机器学习所研究的主要内容，是关于计算机上从数据中产生“模型”的算法，即“学习算法”，有了学习算法，我们把经验数据提供给它，它就能基于这些数据产生模型，在面对新的情况时，模型会给我们提供相应的判断，如果说计算机科学是研究关于“算法”的学问，那么类似的，可以说机器学习是研究关于“学习算法”的学问。
本博客用“模型”泛指从数据中学得的结果。

1.2基本术语

数据集：比如我们收集了一批关于西瓜的数据，例如（色泽 = 青绿；根蒂 = 蜷缩；敲声 = 浊响），（色泽 = 乌黑；根蒂 =稍蜷；敲声 = 沉闷），（色泽 = 浅白；根蒂 = 硬挺；敲声 = 清脆），其中每条记录是关于一个事件或对象的描述，称为一个”示例“或”样本“；
一般地，令D = {x1,x2,......xm}表示包含m个示例的数据集，每个实例由d个属性描述，则每个示例xi = （xi1,xi2,......xid）是d维样本空间**α**中的一个向量，xi∈α，其中xij是xi在第j个属性上的取值，d称为样本xi的”维数“；
从数据中学得模型的过程称为”学习“或”训练“，这个过程通过执行某个学习算法来完成，训练过程中使用的数据称为”训练数据“，其中每个样本称为一个”训练样本“，训练样本组成的集合称为”训练集“，
————————————————————————————————————待更新