机器学习吃瓜教程——西瓜书+南瓜书第1、2章

第一章 绪论

1.基本术语

假设空间 版本空间：拟合训练集的模型（假设）的集合

样本：对于一个事件的描述 

样本空间

特征（属性）：向量中的各个维度

标记：样本在某个方面的变现是否存在潜在规律

标记空间

机器学习任务分类：

     (1).离散——分类  连续——回归 

     (2).监督学习 无监督学习——聚类

关于模型：

泛化能力：对未知事物判断是否准确

分布：样本空间服从某种分布  

归纳偏好

奥卡姆剃刀原理

没有免费的午餐定理

第二章 模型评估与选择

一、如何划分训练集和测试集

1.留出法

2.交叉验证法

特殊地，留一法

二、如何评估模型性能

1.精准率

召回率

F1

2.ROC和AUC