Datawhale 吃瓜教程task1

上次吃瓜给忘记了，领队也没提醒，好在可以补。本次参加还是想系统学习西瓜书，其实我已经买了只是没有看，这次有吃瓜教程，可以一次吃两个瓜，希望把西瓜和南瓜都吃了。

task1主要是一些基本概念的梳理

假设空间

使用的函数

版本空间

所有能够拟合训练集的模型构成的集合。

算法

模型方法，如线性回归、多项式回归等。

模型

算法产出的结果，具体的函数。

样本

描述事件或对象的数据点，由特征向量表示。

向量各个维度称为特征或者属性

向量中的元素⽤分号;分隔时表示此向量为列向量，⽤逗号 , 分隔时表示为⾏向量

这个知识点我还是觉得挺细节的

标记

样本在某个方面的信息

样本空间和标记空间

分别表示样本特征向量和标记所在的空间。

学习任务分类

分类（离散型标记）、回归（连续型标记）、监督学习（使用标记信息）、无监督学习（不使用标记信息）。

数据集

包含多个样本的集合，每个样本具有相同数量的特征。

泛化

模型对未知数据的预测能力。

分布

样本空间的概率分布，假设样本独立同分布。

归纳偏好

不同的机器学习算法有不同的偏好