【机器学习】西瓜书学习笔记01

基于周志华《机器学习》一书所作笔记，得益于参加datawhale的学习小组，将知识读薄理解，输出以感悟，读厚以加深理解，从而形成自己的框架。希望大家也能一起进行开源学习，进一寸有一寸的欢喜。

预备知识

首先来看看什么是人工智能，机器学习，深度学习

借用up主谢文睿的话（视频链接：【吃瓜教程】《机器学习公式详解》（南瓜书）与西瓜书公式推导直播合集_哔哩哔哩_bilibili）

可以大致分为：

• 人工智能：让机器变得像人也一样智能的学科
• 机器学习：让计算机像人一样从数据中得出规律的一种算法
• 深度学习：神经网络类的机器学习算法

类别的大小可以这么划分：人工智能 > 机器学习 > 深度学习

是否也可以这么说，实现人工智能的方法有许多种，机器学习是其中一门，而深度学习也是机器学习中的一种，属于神经网络的方法。                                                  

下面就开始学习《机器学习》一书了。

第一章 绪论

1.1 引言

通过对西瓜属性判断好坏的生活例子，引出让机器来实现对经验的利用。

机器学习是研究从数据中产生“模型”的算法（学习算法）。

1.2 基本术语

1. 数据集是记录的集合
2. 实例（样本）：记录包含了关于事件或对象的描述，如西瓜。
3. 属性（特征）：反映事件或对象在某个方面的表现或性质的事项，如“色泽”、“根蒂”、“敲声”。
4. 属性值：属性上的取值，如“乌黑”、“青绿”。
5. 属性空间（样本空间）：属性张成的空间，想象一个三维空间，每个西瓜都可以在这个空间找到自己的坐标位置。

1. 学习（训练）：从数据中通过某个算法学得模型的过程
2. 训练数据：训练过程中使用的数据
3. 训练样本：训练数据中的样本
4. 训练集：训练样本的集合
5. 假设：学得模型对应了关于数据的潜在规律
6. 真相（真实）：潜在规律的本身 

学习的过程就是在逼近真相的过程

1. 样例：拥有了标记信息的示例，也就是有标记是否为好瓜还是坏瓜；
2.  标记空间（输出空间）：“用表示第i个样例，其中y是示例的标记，y是所有标记的集合
3. 分类：预测的是离散值，如好瓜，坏瓜
4. 回归：预测的是连续值，如西瓜的成熟度0.95，0.65
5. 二分类：正类与反类
6. 多分类：涉及多个类别