2.1 导言
这是一篇有关《统计学习基础》，原书名The Elements of Statistical Learning的学习笔记，该书学习难度较高，有很棒的学者将其翻译成中文并放在自己的个人网站上，翻译质量非常高，本博客中有关翻译的内容都是出自该学者的网页，个人解读部分才是自己经过查阅资料和其他学者的学习笔记，结合个人理解总结成的原创内容。
有关ESL更多的学习笔记的markdown文件，可在作者GitHub上查看下载。
| 原文 | The Elements of Statistical Learning |
|---|---|
| 翻译 | szcf-weiya |
| 时间 | 2018-08-21 |
| 解读 | Hytn Chen |
| 更新 | 2020-01-05 |
翻译原文
第一章中描述的三个例子有一些共同的组成成分．每个例子中都有一个变量集，这些变量可以记作 输入变量 (inputs)，可以是测量得到或者预设的．这些变量对一个或多个 输出变量 (outputs) 有影响．每个例子的目标便是利用输入变量去预测输出的值．这样的过程称之为 监督学习 (supervised learning)．
我们已经使用了更现代的机器学习的语言．在统计学中，输入变量 (inputs) 通常称作 预测变量 (predictors)，这是一个与输入变量等价的说法，更经典的说法是 自变量 (independent variables)．在模式识别中，更倾向于采用 特征 (features) 的说法，我们也会采用这一说法．输出变量 (outputs) 被称作 响应变量(responses)，或者更经典的说法是 因变量 (dependent variables)．
个人解读
监督学习的输出可以是离散的也可以是连续的，这样就引申出了两类问题，分类与回归。解决两类问题最基本的方法就是线性方法，这就是第三章和第四章的内容。
