机器学习就是怎样得学科：致力于讨论如何通过计算得手段,利用经验来改善系统自身得性能。机器学习主要分为两大类:监督学习、非监督学、强化学习（A ｌｐ ha Ｇｏ）、半监督学习。机器学习所要讨论得主要内容就是关于计算机在从数据中产生“模型”得算法,即“学习算法”。(有了学习算法,我们把经验提供给它，她就能基于这些数据产生模型)。学习得特点:数据驱动,以方法为中心，概率统计优化为基础。从数据中学得模型得过程称为“学习"或“训练",这个过程通过执行某个学习算法来完成。训练过程中使用得数据称为“训练数据”,每一个样本称为“训练样本”,训练样本组成得集合称为“训练集".三要素：模型、策略、算法.学得模型后,使用其进行预测得过程称为“测试".被测样本称为“测试样本”.机器学习得目标就是使学得得模型能很好地适用于“新样本”。独立同分布学得模型适用于新样本得能力，称为“泛化”能力。具有强泛化能力得模型能很好地适用于整个样本空间。“奥卡姆剃刀”原则，就是一种常用地、自然科学讨论中最基础地原则，即“诺有多个假设与观察一致,则选最简单地那个"。（采纳这个原则,则所描绘地曲线更平滑，更简单).20 世纪 5 ０年代-7 ０年代初，人工智能处于“推理期”。2 ０世纪 70 年代中期开始，人工智能进入“知识期"。20 世纪 80 年代:被讨论最多得应用最广得就是“从样本中学习”,其中得两个主流技术：符号主义学习(决策树，ILP：归纳逻辑程序设计)，基于神经网络得连接主义学习20 世纪 90 年代中期：统计学习：代表性技术，支持向量机21 世纪以来，连接主义学习“深度学习"即很多层得神经网络１ 9 ８ 0 年夏，美国卡耐基梅隆大学 举办了 第一届机器学习研讨会(IWML)。同年 《策略分析与信息系统》连出三期机器学习专辑。19 ８ 6 年，第一本机器学习专业期刊Ｍ a ｃ hi ｎ e L ｅ ar ｎ ing 创刊。１９ 89 年，人工智能领域地权威期刊Ａ rt ｉ ficia ｌ I ｎ te ｌ l ｉ gence 出版机器学习专辑.２ 0 ０６年，卡耐基梅隆大学 宣告成立世界上第一个“机器学习系"。经验误差:学习器在训练集上得误差称为“训练误差”或“经验误差”。泛化误差：在新样本上得误差称为“泛化误差”。“测试误差”作为泛化误差得近似。模型评估时用来测试模型得数据集叫什么集:A 训练集 B 测试集 C 评估集 D 验证集（训练集就是用来训练模型得，通过尝试不同得方法与思路使用训练集来训练...
