啃西瓜——第一二章0713

绪论

1.2 基本术语

1. 数据集 data set / 样本
2. 属性（attribute）/ 特征（feature)
3. 属性空间（attribute space）
4. 特征向量（feature vector）
5. 分类（classification) 预测离散值：正类（positive class）/反类（negative class）
6. 聚类 (clustering)
7. 根据训练数据是否拥有标记信息，学习任务分为两大类：监督学习（supervised learning）/无监督学习（unsupervised learning）
8. 泛化能力（generalization）:学的模型用于新样本的能力

1.3假设空间

1. 归纳（induction）从特殊到一般
2. 演绎（deduction）

模型评估与选择

2.1 经验误差与过拟合

1. 错误率（error rate）：分类错误的样本书占样本总数的比例
2. 过拟合（overfitting）/欠拟合（underfitting）

2.2 评估方法