第一章（chapter 1） 绪论 （参考机器学习西瓜书）

第一节（section 1）引言

机器学习致力于研究如何通过计算的手段，利用经验来改善系统自身的性能。

即：设计算法，并通过数据进行学习/训练来提升算法效果，最终训练得到结果(模型)，用以完成特定任务。
计算手段(算法) + 经验(数据) -> 模型 -> 改善系统(任务)。

第二节（section 2）基本术语

数据: 用于算法改善性能的经验。

数据集：一批关于某种事件/对象的数据的集合。

示例或样本：数据集中关于某一事件/对象的描述。(注:有时整个数据集也称为样本)。

属性/特征：反应事件/事物某些表现/性质的事项。

属性值/特征值：属性或特征的具体取值。

属性/样本/输入空间：属性张成的空间。

维度：单个样本所包含的属性数目。

特征向量：由于单个样本/示例，在属性空间中对应一个点，每个点对应一个坐标向量，故示例也称特征向量。

学习/训练：从数据集中获取知识，提升算法效果的过程。

训练集：训练过程的数据称为训练数据的集合，其中每个样本称为一个训练样本。

模型：算法训练得到的结果。

假设：学得的模型对应了数据中的某一潜在规律。

真实/真相：潜在规律自身。

标签：关于示例结果的信息，称为标签。

标签空间：所有标记的集合。

分类：若预测的是离散值，例如"0/1"，此类学习任务称为分类。

回归：若预测的是连续值，则该学习任务称为回归。

分类中又可分为二分类与多分类任务，二分类顾名思义，只需分2类