**機器學(xué)習(xí) **：在計算機上從數(shù)據(jù)中產(chǎn)生“模型”（model）的算法苇瓣，即“學(xué)習(xí)算法”
泛化：學(xué)得模型適用于新樣本的能力
假設(shè)空間：若“色澤”阎姥、“根蒂”、“敲聲”分別有3、3赫模、3種可能取值慎宾，則假設(shè)空間規(guī)模大小為4 * 4 * 4 + 1 = 65
- 實際可能取值+無論什么值都可
-
極端情況 概念不成立 空集
版本空間：與訓(xùn)練集一致的“假設(shè)集合”
歸納偏好（inductive bias）：機器學(xué)習(xí)算法在學(xué)習(xí)過程中對某種類型假設(shè)的偏好
奧卡姆剃刀（Occam's razor）:若有多個假設(shè)與觀察一致，則選最簡單的那個
[學(xué)習(xí)算法自身的歸納偏好與問題是否相配甸赃，起到?jīng)Q定性作用][null]
[null]: chrome://not-a-link_just-for-text-color
No Free Lunch Theorem (NFL)：若所有問題同等重要柿汛，則各算法的期望性能（總誤差）相同
