周志华 机器学习 学习笔记 （1）

1. 前言：机器学习算法都是基于样本数据独立同分布的假设。（王珏教授）
2. 第一部分（1-3章节介绍机器学习的基本知识），第二部分（4-10章介绍一些经典的算法），第三部分（11-16章介绍一些进阶知识），除去前三章之外，各部分相互独立，根据需要自行阅读。
3. 绪论
   在计算机系统中，经验是以数据的形式存在，因此，机器学习所研究的内容是关于在计算机上从数据中产生“模型”的算法。计算机科学是研究关于算法的学问，那么机器学习是研究关于“学习算法”的学问。
   模型和模式的区别：模型是全局性的结果，而模式指的是局部付那个结果（例如一条规则）
   学习算法通常有参数需要设置，使用不同的参数值和训练数据，将产生不同的结果。
   若预测的是连续值，此类学习任务成为回归。
   分类和回归都是监督学习的代表，而“聚类”为非监督学习任务的代表。
   归纳和演绎：归纳是从具体事例到一般泛化过程，演绎从一般到具体的过程，数学上的推理过程就是典型的演绎。
   今天就学习这么多吧，明天继续。一直是“看着努力”和目标是越来越远，通过写博客的过程，充实自己。