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