**的是離散值（好、壞）：分類。
連續值（0.98、0.90）：回歸。
**：通過對訓練集x的學習，形成到集合y的對映
聚類：根據資料的內在聯絡，進行按別分類。
訓練資料：有標記的（聚類過的）稱為無監督學習，反之（回歸和分類）為監督學習
歸納學習：廣義的 從樣例種學習（監督與無監督）
狹義的 從訓練資料種學習概念（概念學習）
歸納偏好：樣本是往往是少於實際情況的，乙個學習演算法需要有自己的偏好（喜歡更一般的還是更特殊的）。
奧卡姆剃刀：選擇相對簡單的演算法作為學習演算法。該準則並不能保證得出的演算法在任何情況下都是最優的。
nfl定理：所有學習演算法的效能和隨機亂猜的期望效能是一樣的。（前提是，所有可能情況的出現概率相同）具體問題具體分析
周志華《機器學習》第一章總結 課後習題
第一章介紹了本書所涉及基本術語和概念。同時簡要介紹了機器學習的發展史。習題 1.1若表 1.1 只包含 1 和 4 兩個樣例，試給出相應的樣本空間。已知色澤有兩種取值，根蒂和敲聲分別有三種取值。表 1.1 西瓜資料集 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...
西瓜書 周志華 機器學習第一章 緒論
1.什麼是機器學習?人區別於機器，更多是基於經驗累積起來的個體。比如今天我起床看見天空有點兒灰暗，沒有太陽，那我就可以初步預判今天應該是會下雨。走在路上發現，風越吹越大，蜻蜓也在低飛，天越來越黑，這時你知道要下雨了，而且根據以往十幾年來的經驗判斷，這雨還不小，我得趕緊找個地方躲起來。人呢 遇到事多了...
機器學習第一章緒論（周志華西瓜書）
目錄 第一章 緒論 1.1 引言 1.2 基本術語 1.3 假設空間 1.4 歸納偏好 1.5 發展歷程 1.6 應用現狀 1.7閱讀材料 2.課後練習 由 的值是否連續分類 由是否有標記分類 最終可能會有很多與訓練集一致的假設 無法取捨 通過實際偏好來選擇 有沒有一般性原則來引導選擇正確的偏好呢？...