目录
机器学习（周志华）
第一章 绪论
1.1 什么是机器学习
使用以往的数据(经验)，去训练某种模型，然后利用此模型预测未来。
Tom Mitchell 给出更形式化的定义：
1998年Tom Mitchell对机器学习给出了一个更加正式的定义：A computer program is said to learn from experience E with respect to some task T and some performance measure P,if its performance on T,as measured by P,improves with experience E.
计算机程序从经验E中(已有的数据或者经验)进行学习，然后解决一些任务T，并进行度量通过P。即：T的表现情况通过P进行衡量，通过E进行提高。
1.2 基本术语
示例（样本）（特征向量）
属性（特征）
属性值（特征值）
维数
训练集、测试集、标记（label）、标记空间
样例
分类（预测值是离散的）和回归（预测的值是连续的）
二分类（正类和负类）和多分类
聚类
监督学习和无监督学习（训练数据是否拥有标记信息）
泛化能力（模型适用于新样本的能力）
第二章 模型评估和选择
