第一章 绪论
1.1 引言
了解机器学习：机器学习就是一种通过计算的手段，利用经验（数据）建立模型（学习器），对新情况（新的数据）做出判断的学问。
1.2 基本术语
学习任务可分为：无监督学习与 监督学习
- 监督学习：
- 分类：对离散数据进行预测
- 回归：对连续数据进行的预测
- 无监督学习：没有标记信息，自主学习得到标签
- 例如：聚类，将训练数据分组
1.3 假设空间
-
归纳和演绎：归纳即从特例总结出适用于一般情况的规律，演绎即根据该规律对新的特殊情况进行预测和推理。机器学习利用特殊案例建立模型，故称为“归纳学习”。
-
假设空间：即所有假设的集合，是一个包括∅的全集。在西瓜问题下可以理解为所有的西瓜。
-
版本空间：与训练集一致的假设的集合。
1.4 归纳偏好
如果得到了多个与训练集一致的假设，必须根据一定的原则选择一个确定的假设，使得对于一个确定的样本，始终得出确定的结论。
例如图1.3中，有两条曲线与样本点一致，则算法必须从A、B中选择一个作为偏好。
