機器學習（周志華）讀書筆記---第1章 緒論

*1.1 引言*

*1.2 基本術語*
關鍵字：
數據集、樣本（特徵向量）、屬性、屬性值、屬性空間（輸入空間）、樣本的維數、訓練數據（訓練集）、假設、真實、標記、標記空間（輸出空間）、分類、迴歸、二分類、正類反類、多分類、測試樣本、、聚類、簇、監督學習、無監督學習、泛化能力、獨立同分布

關鍵概念解釋：
1.分類對應離散預測，迴歸對應連續預測
2.根據訓練數據是否擁有標籤信息，學習任務分爲監督學習（如分類和迴歸）和無監督學習（如聚類）

*1.3 假設空間*

關鍵字：

歸納、演繹、概念學習、假設、版本空間

關鍵概念解釋：
1.歸納：特殊到一般的泛化，即從具體的事實歸結出一般性規律  演繹：一般到特殊的泛化，即從基礎原理推演出具體狀況
2.學習過程：在所有假設組成的空間進行搜索的過程，搜索目標是找到與訓練集匹配的假設
3.版本空間：與訓練集一致的假設空間

*1.4 歸納偏好*

關鍵字：
歸納偏好、奧卡姆剃刀、沒有免費午餐定理（NFL）

關鍵概念解釋：
1.歸納偏好：機器學習算法在學習過程中對某種類型假設的偏好
2.奧卡姆剃刀：若有多個假設與觀察一致，則選最簡單的那個
3.沒有免費午餐定理（NFL）：脫離具體問題，空泛地談論什麼學習算法更好毫無意義。

*1.5 發展歷程*