机器学习笔记1

所谓机器学习就是记住 训练样本 ,也就是 死记硬背
机器学习有些基本术语需要我记住

数据集(data set)  示例(instance) 样本(sample) 属性(attribute) 特征(feature) 属性值(attribute value)  属性空间(attribute space) 样本空间(sample space) 特征向量(feature vector) 维数(dimensionality) 学习(learing) 训练(training) 训练数据(training data) 训练样本(training sample) 训练集(training set) 测试(testing)
假设(hypothesis) 真实(ground-truth) 学习器(learner) 预测(prediction) 样例(example) 标记空间(label space) 分类 (classification) 回归(regression) 二分类(binary classification) 正类(positive class) 反类(negative class) 多分类(multi-class classification) 
聚类(cluster) 泛华(generaliaztion) 分布(distribution) 独立分布(independent and identically distributed )iid 归纳(induction) 演绎(deduction) 特化(specialization) 归纳学习(induction learning) 概念(concept)匹配(fit) 版本空间(version space) 归纳配好 (inductive bias)
 监督学习(supervised learning) 无监督学习(unsupervised learing) 
 查准率(precision) 查全率(recall) 真正例(true positive) 假正例(false posivitive) 真反例(true negative) 假反例(false negative)