定义：机器学习是人工智能的一个分支领域，主要关于构造和研究可以从数据中学习的系统。
小不忍则乱大谋，不可急功近利，工欲善其事，必先利其器，得能吃苦。
今日上午，阅读了西瓜书的第一章绪论，大致了解了机器学习的一些宏观内容，在下认为，接触一个全新的、完全陌生的’领域，从导读起，先死记硬背记下一些概念，再去理解的效果要比直接上手案例来的更踏实，方法前期虽笨拙，在后续的学习过程中会不断纠正一些概念，通过系统来反思、整理、这些死记硬背的碎片化知识点，有利于掌控宏观，形成 整体性学习 结构，所以，今日先摘取部分关键词与英文单词奉上。想学习的朋友可以去书中或网络中查看相关含义，强行理解，理解不了就算了，记住这个名字，不怕曲解，只要常怀“整体性学习，不断反思”的心，思想就会不断碰撞，贴近真像，加深记忆。
|
中文 |
英文 |
|
机器学习算法 |
Machine learning algorithm |
|
模型 |
Model |
|
数据集 |
data set |
|
示例 |
instance |
|
样本 |
sample |
|
属性 |
attribute |
|
特征 |
feature |
|
值 |
value |
|
空间 |
space |
|
特征向量 |
feature vector |
|
维数 |
dimensionality |
|
训练 |
training |
|
假设 |
hypothesis |
|
真像 |
ground-truth |
|
学习器 |
learner |
|
预测 |
prediction |
|
标记 |
label |
|
样例 |
example |
|
分类 |
classifcation |
|
二分类 |
binary classifcation |
|
正类 |
positive class |
|
反类 |
negative class |
|
多分类 |
multi-class classifcation |
|
测试 |
testing |
|
回归 |
regression |
|
聚类 |
clustering |
|
簇 |
cluster |
|
监督学习 |
supervised learning |
|
非监督学习 |
unsupervised learning |
|
未见示例 |
unseen instance |
|
泛化 |
generalization |
|
分布 |
distribution |
|
独立同分布 |
independent and identically distributed |
|
归纳 |
induction |
|
演绎 |
deduction |
|
特化 |
specialization |
|
概念 |
concept |
|
版本空间 |
version space |
|
归纳偏好 |
inductive bias |
|
奥卡姆剃刀 |
Occarn’s razor |
|
没有免费午餐定理 |
No Free Luch Theorem |
----------现代希腊字母表----------
数学盲的福音来了！大多人止步于数学并不是因为公式复杂冗长，而是因为字母不认识，难记，更不想了解所表背后之含义。还是那句话，笨人要想厉害，就吃苦。