机器学习绪论

1. 引言

1. 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

2. 基本术语

1. 数据集

数据的集合

2. 样本/示例

每条记录

3. 假设空间

1. 归纳(induction)和演绎(deduction)是科学推理的两大基本手段
2. 从样例中学习

是一种归纳过程, 是归纳学习

3. 广义归纳学习

从样例中学习

4. 狭义的归纳学习

从训练数据中学得概念(concept)

5. 概念学习

1. 目前研究、应用都比较少，因为要学得泛化性能好且语义明确的概念实在太困难了。
2. 现实常用的技术大多是产生“黑箱”模型
3. 了解概念学习，有助于理解机器学习的一些基础思想

6. 布尔概念学习

对“是” “不是”这样的可表示为0/1布尔值的目标概念的学习

4. 归纳偏好

1. 通过学习得到的模型对应了假设空间中的一个假设

5. 发展历程

1. 机器学习是人工智能研究发展到一定阶段的必然产物

6. 应用现状

1. 在过去二十年中，人类收集、存储、传输、处理数据的能力取得了飞速提升，人类社会的各个角落都积累了大量数据，亟需能有效地对数据进行分利用的计算机算法，而机器学习恰顺应了大时代的这个迫切需求，因此该学科领域很自然地取得巨大发展， 受到广泛关注

7. 阅读材料