西瓜书学习笔记（第一章）

1. 基本术语
   数据集(data set): 所有数据的集合
   样本(sample): 描述某个事件或对象的记录
   属性(attribute): 事件或对象的某个性质
   属性值(attribute value): 性质的取值
   属性空间(attribute space): 性质所有取值的集合
   特征向量(feature vector): 由多个性质组成的一条记录
   训练数据(training data): 训练过程中使用的数据
   训练样本(training sample): 训练数据中的每一条记录
   训练集(training set): 训练样本组成的集合
   标记(label): 样本的结果信息，如“好瓜”，“坏瓜”
   分类(classification): 需要预测的结果是离散值，有限个预测结果
   二分类(binary classification)任务: 只有两类的分类任务
   多分类(multi-class classification)任务: 多个类的分类任务
   回归(regression): 需要预测的结果是连续值，在规定取值范围内可以有无 限个预测结果
   监督学习(supervised learning): 训练数据拥有标记信息
   无监督学习(unsupervised learning): 训练数据不含标记信息