西瓜书学习笔记——第一章：绪论

1.1 引言

• 机器学习的定义（由[Mitchell,1997]提出）：假设用P来评估计算机程序在某任务类T上的性能，若一个程序通过利用经验E在T中任务上获得了性能改善，则我们就说关于T和P，该程序对E进行了学习。

1.2 基本术语

• 数据集（$D$）：记录的集合
• 示例（instance）：数据集D中的每一条记录
• 属性（attribute），特征（feature）：反映事件或对象在某一方面的表现或性质的事项（西瓜的色泽，大小）
• 属性空间，样本空间，输入空间：属性张成的空间（对于某个示例，将它的属性各自作为坐标轴，则形成了属性空间。不同示例由于自身的不同属性值，对应着不同的点，因此我们把一个示例也称为“特征向量”）
• 训练：从数据中学得模型的过程
• 假设（hypothesis）：即学得模型（我们意图用学得模型逼近关于数据的某种潜在的规律，故学得模型也称为假设）
• 标记（label）：关于示例的结果信息（如：好瓜）
• 样例（example）：拥有了标记信息的示例
• 识别学习任务的类型：