一些概念

　　机器学习简言之就是从数据中学得模型的过程。假设用p来评估计算机程序在某任务类T上的性能，程序通过利用经验E在T任务中得到了性能改善，就说归于T，p对E进行了学习。

　　训练数据是指训练用的数据，其中的样本称为训练样本，样本集合也就是训练集，拥有结果信息（标记信息）的称为样例，所有标记（结果）的集合称为标记空间或输出空间。

　　从样本数据标记信息有无来看，学习任务可分为监督学习和无监督学习两类，监督学习包括分类和回归，无监督学习包括聚类。

　　分类是指观测值为离散的学习任务。

　　回归就是观测值为连续的。

　　聚类大意就是通过一些潜在概念将数据划分为组。

　　学得模型适应于新样本的能力称为泛化能力

　　基于公理、规则推导得出为演绎

　　基于样本数据得出为归纳，归纳分广义与狭义，广义是由数据学得，狭义则必须是由训练数据学得概念。