第 1 章 绪论
1.1 定义
Performance：计算机程序在某任务类T上的性能。
Task：计算机程序希望实现的任务类。
Experience：表示经验，即历史的数据集。
人的“经验”对应计算机中的“数据”，让计算机来学习这些经验数据，生成一个算法模型，在面对新的情况中，计算机便能做出有效的判断，这便是机器学习。
1.2 基本术语
所有记录的集合为：数据集（dataset）
每一条记录为：一个实例（instance）或样本（sample）
单个样本的特点为特征（feature）或属性（attribute）
一个样本的特征数为：维数（dimensionality）
关于样本结果的信息称为标记（label）
通过执行某个学习算法，从数据中学得模型的过程称为“学习” (learning)或“训练” (training)。
学得模型后，使用其进行预测的过程称为“测试”(testing)，被预测的样本称为“测试样本”(testing sample)。
所有训练样本的集合为：训练集（training set）
所有测试样本的集合为：测试集（test set）
机器学习出来的模型适用于新样本的能力为：泛化能力（generalization）
预测值为离散值的问题为：分类（classification）
预测值为连续值的问题为：回归（regression）
训练数据有标记信息的学习任务为：监督学习（supervised learning），分类和回归都是监督学习的范畴。
训练数据没有标记信息的学习任务为：无监督学习（unsupervised learning），常见的有聚类和关联规则。
1.3 假设空间
假设空间就是由所有假设组成的集合。一个假设就是一种映射方法，它把具有某些特定属性值的西瓜映射为“好瓜”，其余西瓜映射为“坏瓜”。
机器学习中的模型是由输入空间到输出空间的映射的集合，也就是由输入空间 X 到输出空间 Y 的映射 f : X→Y 所构成的集合，该空间是一个函数空间，即假设空间是由函数所构成的集合。
版本空间就是与训练集一致的所有假设所构成的集合。
1.4 归纳偏好
机器学习算法在学习过程中对某种类型的假设的偏好，称为归纳偏好（inductive bias）
给定训练数据集的情况下，通过添加额外的限制条件或标准去帮助模型更好地拟合训练集，同时还促使模型在未知样本数据集上也有很好的预测能力（即泛化能力），那么这些额外的限制条件或标准就是归纳偏好。
有监督学习的归纳偏置简述_飞机火车巴雷特的博客-CSDN博客_归纳偏置能力
归纳偏好对模型本身关于“什么样的模型好”通过先验知识（奥卡姆）作了假设。
奥卡姆剃刀原则认为：若有多个假设与观察一致，则选最简单的那个。
免费午餐定理（(No Free Lunch Theorem）：没有一个学习算法可以在所有情况下总是产生最准确的模型。在脱离实际意义情况下，空泛地谈论哪种算法好毫无意义，要谈论算法优劣必须针对具体学习问题。
没有免费午餐定理No Free Lunch Theorem_飞机火车巴雷特的博客-CSDN博客_没有免费午餐定理
第 2 章 绪论
2.1 误差与过拟合
误差（error）：学习器对样本的实际预测结果与样本的真实值之间的差异。
在训练集上的误差称为训练误差（training error）或经验误差（empirical error）。
在测试集上的误差称为测试误差（test error）
学习器在所有新样本上的误差称为泛化误差（generalization error）
过拟合（overfitting）：学习能力过强，以至于把训练样本所包含的不太一般的特性都学到了。
欠拟合（underfitting）：学习能太差，训练样本的一般性质尚未学好。
在过拟合问题中，训练误差十分小，但测试误差教大；在欠拟合问题中，训练误差和测试误差都比较大。
目前，欠拟合问题比较容易克服，例如增加迭代次数等，但过拟合问题还没有十分好的解决方案，过拟合是机器学习面临的关键障碍。
2.2 评估方法
我们希望得到的是泛化误差小的学习器，理想的解决方案是对模型的泛化误差进行评估，然后选择泛化误差最小的学习器。但是，泛化误差指的是模型在所有新样本上的适用能力，我们无法直接获得泛化误差。
通常我们采用一个“测试集”来测试学习器对新样本的判别能力，然后以“测试集”上的“测试误差”作为“泛化误差”的近似。
划分测试集和训练集的方法
留出法：
将数据集D划分为两个互斥的集合，一个作为训练集S，一个作为测试集T，80%的样本用作训练，20%用作测试。常见的划分为：训练集/测试集 = 2/1~4/1。
训练/测试集划分时要保持数据分布一致性，即保证训练集和测试集中类别比例一致，可采用分层采样。
交叉验证法：
将数据集划分为k个大小相同的互斥子集，同样地尽可能保持数据分布的一致性，即采用分层抽样的方法获得这些子集。
交叉验证法的思想是：每次用k-1个子集的并集作为训练集，余下的那个子集作为测试集，这样就有种训练集/测试集划分的情况，从而可进行次训练和测试，最终返回次测试结果的均值。
交叉验证法也称“ 折交叉验证”，k最常用的取值是10 ，即10折交叉验证。
与留出法类似，将数据集D划分为个子集的过程具有随机性，因此K折交叉证通常也要重复次，称为p次k折交叉验证，常见的是10次10折交叉验证，即进行了100次训练/测试。
特殊地当划分的k个子集的每个子集中只有一个样本时，称为“留一法”，显然，留一法的评估结果比较准确，但对计算机的消耗也是巨大的。
自助法：
给定包含 m个样本的数据集 D，对它进行采样产生数据集 D′ ，每次随机从 D 中挑选一个样本，将其拷贝放入 D′，然后再将这个样本放回初始数据集 D，使得该样本在下次采样时仍可能被采样到，重复此过程 m次，得到包含 m个训练样本的数据集 D′。 D中样本在 m次采样中始终不被采样到的概率是 ( 1 − m )m 取极限得到（0.368）。
通过自助采样，输出数据集 D中约有36.8%的样本未出现在采样数据集D′ 中，于是用 D′做训练集， D − D′做测试集。
自助法在数据集较小、难以有效划分训练/测试集时很有用。此外，自助法能从初始数据集中产生多个不同的训练集，这对集成学习等方法又很大的好处。
自助法产生的数据集改变了初始数据集的分布，这会引入估计偏差，因此在初始数据量足够是，留出法和交叉验证法更常用。
2.3 性能度量
性能度量是“测试误差”的一个评价标准。有了评估方法和性能度量，就可以计算出学习器的“测试误差”。
性能度量（performance measure）是衡量模型泛化能力的评价标准，在对比不同模型的能力时，使用不同的性能度量往往会导致不同的评判结果。
常见的性能度量：
均方误差（mean squared error，MSE），用于回归任务
在分类任务中，最常用的是错误率和精度
错误率是分类错误的样本数占样本总数的比例
精度则是分类正确的样本数占样本总数的比例
查准率和查全率
对于二类分类问题，常用的评价指标是查准率（precision）与查全率（recall）。通常以关注的类为正类，其他类为负类，分类器在测试数据集上的预测或正确或不正确，4 种情况出现的总数分别记作：
真正例（True Positive，TP）——将正类预测为正类数；
假负例（False Negative，FN）——将正类预测为负类数；
假正例（False Positive，FP）——将负类预测为正类数；
真负例（True Negative，TN）——将负类预测为负类数。
精确率定义为
召回率定义为
F1值，是精确率和召回率的调和均值，即
精确率和召回率都高时，F1值也会高。
ROC与AUC
召回率也称为真正例率(True positive rate，TPR)，定义了在训练过程中所有可用的阳性样本中有多少正确的阳性结果。
假正例率（False positive rate，FPR）定义了训练过程中所有可用的阴性样本中错误阳性结果的数量，即FPR 。
将TPR和FPR绘制分别作为横轴和纵轴，可以绘制受试者工作特征曲线(Receiver operating characteristic curve，ROC)，描述了真阳性(收益)和假阳性(成本)之间的相对权衡。
进行学习器的比较时
若一个学习器的ROC 曲线被另一个学习器的曲线完全“包住”， 则可断言后者的性能优于前者
若两个学习器的ROC 曲线发生交叉，则难以-般性地断言两者孰优孰劣。
此时如果一定要进行比较， 则较为合理的判据是比较ROC 曲线下的面积，即AUC (Area Under ROC Curve)