科學推理的兩大手段：歸納：
從特殊到一般的泛化過程。
泛化：從樣本中學習訓練出不在樣本中的資料集的共同特徵
，使其適用於整個樣本空間。
演繹：從一般到特殊的特化過程。
特化：與泛化相反
，整體樣本的共同特徵推演出具體特徵。
例子理解：
編號色澤
根蒂敲聲好瓜1
青綠蜷縮濁響是
2烏黑蜷縮濁響是3
青綠硬挺清脆否
4烏黑稍蜷沉悶否
泛化過程
已知樣本中好瓜的特徵是：青綠、蜷縮、濁響和烏黑、蜷縮、濁響，根據學習的到好瓜的共同特點是蜷縮、濁響或者只有蜷縮或者只有濁響。
新樣本中給出一組瓜的特徵：青綠、蜷縮、清脆，判斷該瓜是否屬於好瓜的過程。
特化過程
找出好瓜所具有的其他一些特徵因素
《機器學習》隨心記 周志華版 評估方法
這學期，將學習周志華老師的 機器學習 這本書，一周兩章，每章我都會做上一點筆記，筆記或多或少，或工整或潦草，一切根據我當時的時間和心情而定，簡單的定義或者易理解的知識我可能附上定義甚至不寫，不懂的地方會特別強調指出。所以這個學習系列我稱為 機器學習 隨心記。第一部分 問題 p24 第一段話是什麼意思...
機器學習周志華筆記
1，監督學習 分類 回歸 無監督學習 聚類 2，決策樹 根據資訊增益的大小來確定節點 資訊熵 描述事務確定性程度的值 需要多少個bit來描述資訊 ent d pklog2pk 資訊增益 資訊熵 某個屬性劃分的平均資訊熵 該屬性劃分純度 3，支援向量機中對超平面的理解 劃分超平面用以下線性方程表示 w...
周志華 機器學習 筆記
學習演算法自身的歸納偏好與問題是否相配，往往會起到決定作用。對於上面這句話 你的輸入資料被怎麼處理，最終得到什麼結果，我認為偏好指的就是這個處理的過程。線性非線性？那些feature忽略掉？怎麼利用這些資料？更具體一些，你用網路處理，還是傳統方法，資料的分布和你的處理方法相符嗎？沒有免費的午餐定理 ...