Machine Learning

      最近在看周志华教授写的一本《机器学习》的书，听到机器学习这个概念是很久之前的事，但真正看书去了解倒是头一次，这本书便是同学分享过来的一个pdf版本，只是不是特别习惯看电子版的书，尤其是需要做笔记的时候，因此便去打印出来了，看起来不快，里面基本上涉及到的主要是矩阵论和数理统计的知识，需要读者相对较好的数学基础，才能将一些推导、原理性的东西弄明白，不然大概也就只能看一下基本的概念，深入的学习是很难进行下去的。

      首先需要明确一个概念：什么是机器学习？或者说机器学习到底是如何实现的？我们作为人，很多时候进行判断的时候是通过以往的经验进行的，比如你购买西瓜时，你会通过观察其颜色、根蒂的样子以及拍一下西瓜听听响声，这都是很正常的做法，即根据经验进行判断。那么机器是如何进行学习的呢？如我们所熟知的那样，机器很多时候只能进行逻辑判断或者说计算，但无法识别比如西瓜的根蒂的形状，我们需要通过属性及其属性值来赋予给计算机，让它能够根据属性值进行判断。在计算机系统中，“经验”通常以“数据”的形式存在，因此，机器学习所研究的主要内容，是关于在计算机上从数据中产生“模型”（model）的算法，即“学习算法”（learning algorithm）。

基本术语了解：

数据集（data set）：记录数据的一个集合，其中每条记录是关于一个事件或对象的描述，称为一个“示例”（instance）或“样本”（sample）。

属性（attribute）: 反应事件或对象在某方面的表现或性质的事项，称为“属性”（attribute）或“特征”（feature）.属性上的取值称为“属性值”（attribute value）。属性张成的空间称为“属性空间”（attribute space）。属性组成的一个坐标集合，可以视作一个坐标集，而一个坐标可以对应一个空间向量，因此我们也可以称一个示例为“特征向量”（feature vector）。

学习（learning）：从数据中学得模型的过程称为“学习”（learning）或“训练”（training），这个过程通过某个学习算法来完成。训练过程中使用的数据称为“训练数据”（training data）.