? ? ? ? 最近在跟着Datawhale自学周志华老师的《机器学习》，为了督促自我学习，将一些学习笔记记录于此。
? ? ? ? 以下内容均来源于周志华老师的《机器学习》
? ? ? 《机器学习》这本书被读者亲切的称为“西瓜书”，我想应该是因为以买西瓜为例来解释机器学习这门学科，通俗易懂。
第一章——绪论：
? ? ? ?买西瓜——好瓜的普遍特征：色泽（绿）、根蒂（蜷缩）、敲声（浊响）——根据经验判断一个未开的新瓜是否为好西瓜
? ? ? ?机器学习——收集数据、选取特征——根据数据训练产生模型，面对新的情况时可以进行正确判断。
用一个简单表格对比“买西瓜”与“机器学习”之间的关联
| 买西瓜 | 机器学习 |
| ”色泽“、”根蒂“、”敲声“ | 特征\属性 |
| （绿）、（蜷缩）、（浊响） | 属性值 |
| 一个西瓜 | 样本\示例 |
| 所有的西瓜 | 数据集 |
????? 从数据中学习构建模型的过程叫做“学习”或“训练”，在训练好的模型上进行预测的过程叫做“测试”，其中训练过程所使用的数据集叫训练集，测试过程所使用的数据集叫训练集。
不同学习任务类别：
有监督学习（样本有标记信息）
——“分类”：预测离散值，例如预测“好瓜”和“坏瓜”
——“回归”：预测连续值，例如预测西瓜成熟度(0.95/1,0.65/1等)
无监督学习（样本无标记信息）
——“聚类”：学习过程中将数据集分成了若干组（每组称为“簇”），每组中可能对应一些潜在的特征和概念，例如对所有西瓜进行训练，分成“浅色瓜/深色瓜”、“本地瓜/外地瓜”等
泛化能力：通过对训练集中已经见到的样本（西瓜）的学习以获得对没见过的样本（西瓜）进行判断的能力
第二章——模型评估与选择
这一章主要是一些概念了解
误差：模型预测输出与实际输出之间的差距
——训练误差：训练集上的误差
——泛化误差：新样本上的误差
当学习器把训练样本学的“太好”时，很可能把训练样本自身一些不普遍的特征当作所有样本的一般性质、普遍特征，这种现象称为过拟合。过拟合无法避免，只能尽量做到“缓解”。而当学习器把训练样本的一半性质都没学好时，发生欠拟合现象。
模型选择问题：泛化误差最小
泛化误差更小的模型是更优越的模型，这种模型在能在遇到新样本时才能做出正确预测和判断。
? ? ? ? 因此需要评估选择模型，需要一个“测试集”来测试模型对新样本的判别能力，以“测试误差”作为“泛化误差”的近似。
? ? ? ?测试集数据尽量与训练集数据互斥，不能使用“训练误差”作为“泛化误差”的近似，举个书上的例子，考试需要出十道题，但不能用老师上课讲过的十道练习题作为考试题，这样考察不到学生对题型的掌握。所以需要对数据集进行一定处理，分出训练集和测试集
处理方法：
留出法：数据集划分为两个互斥集合，分别作为训练集和数据集
交叉验证法：将数据集划分为k哥大小相似的互斥子集，每次都用k-1个子集的并集作为训练集，剩下的子集作为测试集，进行k次训练后求平均值
自助法：在总数据集种随机采样再放回m次，得到包含m个样本的数据集，将该数据集作为训练集，其余数据作为测试集
性能度量：不同模型的性能度量往往需要不同的评判标准
均方误差：模型预测结果与实际值之差的平方和与数量的比值
错误率和精度：
——错误率：分类错误样本数占样本总数的比例
——精度：分类正确样本数占样本总数的比例，精度=1-错误率
查准率、查全率和F1度量：
?
（图源《机器学习》周志华）
?
?
?
?
?