机器学习（Machine learning）

绪论：

致力于如果通过计算的手段，利用验证来改善系统自身的性能。

所研究的主要内容：

关于计算机上从数据中产生“模型”的算法，即“学习算法”。我们提供经验数据，计算机基于数据产生模型。在面对新情况时给出相应判断。

计算机科学:研究算法；

机器学习：研究关于“学习算法”

1.2基本术语

data set

isntance 示例

sample 样本

attribute/feature 属性/特征

attribute value 属性空间

attribute space 样本空间

feature vector 特征向量

一般的，令D = {x1,x2,...,xm}表示包含m个示例的数据集，每个示例有d个属性描述，则每个示例xi= {xi1,xi2,...,xid}是d维样本空间X中的一个向量。d称为样本xi的维数（dimensionality）。

从数据中学得模型的过程称为学习/训练。整个过程通过执行学习算法完成。训练过程中使用的数据为训练集。每个样本称为训练样本。训练样本组成训练集。学得模型对应了关于数据的某种潜在规律，称为假设。其规律本身为真相。

预测

预测离散值：分类（classication）

预测连续值：回归（regression）

聚类：簇

学习任务：监督学习（supervised learning）/无监督学习（unsupervised learning）

1.3假设空间

归纳（induction）从特殊一般到特殊的“泛化”

演绎（deduction）从基础原理推演出具体情况