第一次接触机器学习名词“学习”和“训练”，感觉特别奇怪，特别别扭！！把生活中经常用到的两个名词拿过来直接作为机器学习两个核心过程，不觉得有点草率吗，再找找靠谱点名词或者发明一个名词不行吗？（不知道大家刚接触的时候，有没有像我一样，听起来觉得这些名词很low）之前上统计思想课的时候，老师讲了一些机器学习和统计学的渊源“学习可以理解为估计，训练可以理解为再抽样”似乎好像能明白一些。
经常遇到的奇怪的词：学习、训练、
既然说到这，那我就再往下絮叨絮叨。今天的机器学习有点像 世纪的概率论，虽然方法很好，但是理论基础很薄弱，不被大家认可。从现在机器学习的发展来看，与计算机、统计学、概率论、运筹学等等联系非常密切。将来他会发展成为一门独立的学科还是依附于其他学科，现在还不好说，不过看现在的发展势头，是不是想成为一门独立的学科呢？机器学习要想得到很好的发展，成为一门独立的学科，建立一套完备的理论体系是必须的，从目前来看，他也有这个趋势，否则的话，机器学习只能说是一套方法体系，并不能称之为一门学科。
目前来看机器学习不管解决的是分来还是回归问题，其实都是在做预测。说到预测那就不得不谈谈统计学。大家都知道，统计分为描述统计和推断统计。描述统计是干嘛的，很明显，那推断统计是干嘛的，其实也很明显。这个推断统计，其实解决的也都是些预测问题。不就久之前呢，科技还不够发达，大家能掌握的数据量非常有限，未来是不可知的，但是呢很多摆在眼前的现实问题确是不能不解决的，什么问题呢，比如说，有个老板卖轮胎，顾客问你这轮胎能用几年，老板要是说你用用就知道了，是不是会被打，要是老板说，之前卖出去的那些轮胎基本都能用个一二十年，顾客是不是心里就有谱了。这段描述是为了引入抽样理论！（见下篇博客）