机器学习（周志华版）第一章学习概括

以下均为自己的理解，若有不对请大家指出。

机器学习：何为机器学习呢？对于我们人类来说，我们在可以根据我们过去的经验来对一些现象做出判断，比如说看见乌云就会觉得要下雨，看见色泽青绿，根蒂蜷缩，敲声浑浊的西瓜就会觉得是好瓜。我们人类可以通过经验来做出对自己有用的预判，但是对于计算机来说，他们并没有我们人类的思维模式去做出这样的抉择。也就是说，机器学习所研究的主要内容就是通过某种算法来分析数据来产生模型，通过这个模型，我们可以让计算机在面对一个新的西瓜是做出判断（这是好瓜还是坏瓜）。

数据：数据就是类比于我们人类的经验，比如说我给出一个数据“色泽青绿，根蒂蜷缩，敲声浑浊的西瓜是好瓜”，对于计算机来说，就跟我们人类尝过这个西瓜一样的感觉，计算机也知道了这种类型的西瓜就是好瓜。

模型：模型就相当于是计算机学习的结果。

假设空间：机器学习的目的是泛化，并不简单的就是把“色泽青绿，根蒂蜷缩，敲声浑浊=好瓜”给记住，也就是我们要对没见过的瓜进行判断。假设空间就是所有可能的取值吧。用书上西瓜的例子就是说，色泽有三种情况，根蒂有三种情况，敲声有三种情况，那么所有的假设就会有‘4x4x4+1=65’中情况，为什么有三种情况，却要用4来乘呢，因为存在一种情况就是不管我是什么色泽，只要我的根蒂蜷缩，敲声浑浊那么我就是好瓜。所以我们用通配符“*”来表示色泽取什么值都合适。后边加的1主要就是不存在好瓜这种情况，每种属性都取了空值。

版本空间：在现实生活中，假设空间可能很大，但是学习过程是基于有限样本训练集进行的，因此可能有多个假设与训练集一致，即存在一个与训练集一直的“假设集合”称为“版本空间”。（这句话是抄的书上的，后边可以做一下习题第一题来求一个版本空间，可能会对版本空间的概念更深刻点）