[人工智能]Datawhale 吃瓜教程第1次打卡

本次打卡对应了西瓜书第1/2章的内容。

西瓜书第1章主要介绍了机器学习的概念，基本术语，发展过程，以及当前现状。总的来说，第1章的重点并不多，是一个起到引导作用的章节。

西瓜书第2章主要介绍了模型评估。由于在训练机器学习模型时，很可能会出现过拟合或者欠拟合的情况，导致新样本无法被模型准确地预测。因此，需要对模型的泛化误差进行评估。首先，数据集需要划分为训练集和测试集，其中，训练集用于训练模型，而测试集全程不参与训练，而是用来测试模型对新样本的判别能力。在划分数据集上，基本会选择留出法，交叉验证法，自助法等方法。在划分数据集之后，还需要选择可以衡量模型泛化能力的评价标准，即性能度量。针对回归任务常用的性能度量是均方误差，而针对分类任务的性能度量包括精度，查准率，查全率，F1度量，以及AUC。