机器学习（周志华）学习笔记（一）

目录

学习教材
学习内容
一、绪论
1.1 基本术语
1.2 假设空间
1.3 归纳偏好
二、 模型评估与选择
2.1 经验误差
2.2 评估方法
2.3 性能度量
2.4 方差与偏差
学习时间

学习教材
机器学习（周志华）

学习内容

一、绪论
1.1 基本术语
数据集：
示例：关于一个事件或对象的描述。（Xi）
特征向量：
样本的维数：用于描述一个样本的属性个数。
标记：关于示例结果的信息。（Yi）
样例：标记信息的示例。
聚类：将训练集分成若干组。
泛化能力：学得模型适用于新样本得能力。
分类任务与回归任务的区别：分类任务用于预测离散值，回归任务用于预测连续值。
监督学习和无监督学习的区别：训练数据是否拥有标记信息。其中分类和回归是监督学习的代表，聚类是无监督学习的代表。

1.2 假设空间
归纳：从具体事实中归结出一般性规律，从特殊到一般的“泛化”过程。
演绎：从基础原理推演出具体状况，从一般到特殊的“特化”过程。

1.3 归纳偏好
（归纳）偏

机器学习（周志华）学习笔记（一）最先出现在Python成神之路。