西瓜书第一章

绪论

基本术语

属性（attribute）/特征（feature） 属性值

属性空间/样本空间

特征向量（feature vector）:属性构成的n维空间，每一个示例都有其坐标

维数（dimensionality）：属性的个数

训练数据 训练样本 训练集

假设（hypothesis）：模型对应了关于数据的某种潜在规律

学习器（learner）：模型

标记（label）：示例结果的信息 样例（example）：拥有标记信息的示例

分类学习（classification）和回归学习（regression）

根据训练数据是否有标记信息分类：监督学习（分类和回归）和无监督学习（聚类）

假设空间

学习的本质：在假设空间中找到与训练集匹配的假设

版本空间（version space）：与训练集一致的假设集合