总结笔记--周志华《机器学习》第一章 绪论

1.基本术语

1.要进行机器学习，首先要获得数据集，以西瓜为例：

样本	色泽	根蒂	敲声	好坏
1	青色	蜷缩	浊响
2	乌黑	稍蜷	沉闷
3	浅白	硬挺	清脆

如表格，此表格记录了西瓜的数据

数据集合称为数据集D={x1,x2,x3...xm}。每一行代表着一个示例（sample），（色泽，根蒂，敲声）为西瓜的属性（attribute），（青色，无黑）为属性值。

2.数据集由训练集和测试集组成，在学习的过程中我们得到的模型或算法称为”训练“，我们需要训练集示例组成的训练集得到模型，对测试集进行测试，预测的结果为”好“或者”坏“，称为标记。拥有了标记结果的示例，称为样本（example）。

3.预测的结果为离散型的如瓜的好坏，此类预测为”分类“（classification）；若为连续型的称为“回归”（regression）。

4.学习任务可以分为：有监督学习，无监督学习和半监督学习。