第一章：绪论

学习是个输入和输出的过程，希望通过blog加深对知识的理解

概念

• 学习算法
  就是机器学习算法，输入数据，产生模型的算法，比如逻辑回归，LVM等
• 样本（属性）空间
  所有属性的取值组装构成的空间, 比如西瓜的色泽,根蒂,敲声三个特性的所有属性的笛卡尔积.
• 假设: 学习得到的模型或者数据的某种规律
• 假设空间: 样本空间和输出空间的所有映射的集合 , 输出空间为样本结果集合,比如好瓜和坏瓜
• 版本空间: 使用训练集从假设空间里面选择和训练集一致的假设集合
• 归纳偏好: 版本空间很多假设,需要通过算法的偏好选择合适的假设

定理

没有免费的午餐
每个算法都是有偏好的,要根据实际问题选择合适的算法.

https://datawhalechina.github.io/pumpkin-book/#/chapter1/chapter1