【机器学习】机器学习基本概念

（1）什么是机器学习？
机器学习是利用数据，从数据中归纳出规律，并用来对新事物进行预测。[所以，机器学习首先要有数据]

（2）机器学习常见术语
①一个示例或样本（一个特征向量）：每行数据
②属性/特征：某方面的表现或性质
③属性值/特征值：属性上的取值

（3）样本空间

（4）假设空间

（5）偏好——衡量什么样的模型更好——挑选假设函数的基准
⭐算法的偏好是否与问题本身匹配，大多数时候直接决定了算法能否取得好的性能

（6）机器学习的主要任务

A. 区分分类任务和回归任务有一个简单方法，就是看输出是否具有某种连续性。 如果在可能的结果之间具有连续性，那么它就是一个回归问题，比如说价格。
B. 聚类属于无监督学习，它是指我们的数据只有输入，没有输出，并需要从这些数据中提取知识。聚类算法将数据划分成不同的组，每组包含相似的样本。
C. 我们现在手里的数据只有色泽、根蒂、敲声这几个特征，我们通过这三个特征，把性状相似的西瓜分到一个组，这就是一个聚类问题。聚类问题与分类问题的本质区别就是有没有标签。