第一章绪论个人认为最多的是概念问题，对机器学习中一些基本概念有初步的了解
下面是一些术语的概念：
1.机器学习研究如何通过计算的手段，利用经验(数据)改善系统自身的性能
2.模型(学习器)：泛指从数据中学到的结果
3.样本(示例、特征向量)：关于一个事件或对象的描述（可以是一个采样，有时也可以看做整个数据集中的一个数据集）
4.特征(属性)：反应事件或对象在某方面的表现或性质的事项
5.属性值：属性上的取值
6.属性空间(样本空间、输入空间)：属性张成的空间（可以是n维空间）
7.离散值->分类 连续值->回归
8.分类有二分类和多分类等 二分类分为正类和反类
9.监督学习(有导师学习)：分类和回归等 无监督学习(无导师学习)：聚类
10.泛化能力：学得的模型适用于新样本的能力
11.归纳偏好(偏好)：机器学习在学习过程中对某种类型假设的偏好
12.奥卡姆剃刀：若多个假设与观察一致，选最简单的那个