【自學筆記】0基礎自學機器學習 （第二天）
定義：機器學習是人工智慧的一個分支領域，主要關於構造和研究可以從資料中學習的系統。
小不忍則亂大謀，不可急功近利，工欲善其事，必先利其器，得能吃苦。
今日上午，閱讀了西瓜書的第一章緒論，大致瞭解了機器學習的一些巨集觀內容，在下認為，接觸一個全新的、完全陌生的’領域，從導讀起，先死記硬背記下一些概念，再去理解的效果要比直接上手案例來的更踏實，方法前期雖笨拙，在後續的學習過程中會不
| 中文 |
英文 |
| 機器學習演算法 |
Machine learning algorithm |
| 模型 |
Model |
| 資料集 |
data set |
| 示例 |
instance |
| 樣本 |
sample |
| 屬性 |
attribute |
| 特徵 |
feature |
| 值 |
value |
| 空間 |
space |
| 特徵向量 |
feature vector |
| 維數 |
dimensionality |
| 訓練 |
training |
| 假設 |
hypothesis |
| 真像 |
ground-truth |
| 學習器 |
learner |
| 預測 |
prediction |
| 標記 |
label |
| 樣例 |
example |
| 分類 |
classifcation |
| 二分類 |
binary classifcation |
| 正類 |
positive class |
| 反類 |
negative class |
| 多分類 |
multi-class classifcation |
| 測試 |
testing |
| 迴歸 |
regression |
| 聚類 |
clustering |
| 簇 |
cluster |
| 監督學習 |
supervised learning |
| 非監督學習 |
unsupervised learning |
| 未見示例 |
unseen instance |
| 泛化 |
generalization |
| 分佈 |
distribution |
| 獨立同分布 |
independent and identically distributed |
| 歸納 |
induction |
| 演繹 |
deduction |
| 特化 |
specialization |
| 概念 |
concept |
| 版本空間 |
version space |
| 歸納偏好 |
inductive bias |
| 奧卡姆剃刀 |
Occarn’s razor |
| 沒有免費午餐定理 |
No Free Luch Theorem |
----------現代希臘字母表----------
