周志华西瓜书-AI英语单词，第一章

1. • 数据集：dataset
   • 示例：instance
   • 属性/特征：attribute、feature
   • 属性空间：attribute space
   • 样本空间：sample space
   • 输入空间：
   • 特征向量：feature vector
   • 维数：dimensionality
   • 学习/训练：learning training
   • 训练数据：training data
   • 训练样本：training samples
   • 训练集：training set
   • 假设：hypothesis
   • 学习器：learner
   • 预测：prediction
   • 标记：label
   • 样例：example
   • 分类：classification（预测离散值）
   • 回归：regression（预测连续值）
   • 二分类：binary classification，正类：positive class，反类：negative class
   • 多分类：multi-class classification
   • 进行预测的过程,称之为  测试：testing
   • 测试样本：testing samples
   • 聚类：clustering
   • 簇：cluster
   • 学习任务分为两大类：监督学习（supervised learning，分类、回归），无监督学习（unsupervised learning，聚类）
   • 学得模型适用于新样本的能力，为泛化（generalization）能力
   • 通常假设样本空间中全体样本服从一个未知的分布（distribution）
   • 独立同分布（independent and indentically distributed）
   • 归纳（induction，从特殊到泛化）和演绎（deduction，从一般到特殊）是科学推理的两大基本手段。
   • 从样例中学习，属于归纳过程，称之为“归纳学习：induction learning”
   • 归纳分两类：广义、狭义
   • 版本空间：version space
   • 归纳偏好：inductive bias
   • 奥卡姆剃刀原则：occam's razor，若有多个假设与观察一致，选择最简单的那个
   • 人工智能：artificial intelligence
   • 统计学习：statistical learning
   • 支持向量机：support vector machine（核方法：kernel methods）
   • 众包：crowdsourcing
   • 数据挖掘：data mining