基本概念概览
机器学习的目标是使学得的模型能很好地适用于"新样本"，而不是仅仅在训练样本上工作得很好;即便对聚类这样的无监督学习任务，我们也希望学得的簇划分能适用于没在训练集中出现的样本
样本空间的计算：20个属性，10条示例，样本空间为10^20
阅读材料：
第一本机器学习专门性教材：Mitchell, T. (1997). Machine Learning. Mc Graw Hill, New York, NY
出色的入门读物：Duda,R.O.,P.E.Hart,and D.G.Stork.(2001). Pattern Classification,2nd edition. John Wiley & Sons,New York,NY. ; 2）Alpaydin,E.(2004). Introduction to Machine Learning. MITPress, Cambridge,MA.; 3）Flach,P. (2012).Machine Learning: The Art and Science of Alorithms that Make Sense of Data. Cambridge University Press, Cambridge, UK
进阶读物Hastie,T.,R.Tibshirani,and J.Friedman.(2009).The Elements of StatisticalLearning,2nd edition. Springer,New York,NY
贝叶斯学习偏好者：Bishop,C.M. (2006).Pattern Recognition and Machine Learning. Springer, New York,NY.
理论偏好者Shalev-Shwartz,S.and S.Ben-David.(2014).Understanding Machine Learning. Cambridge University Press, Cambridge, UK.
基于WEKA撰写的入门读物，有助于初学者通过WEKA实践快速掌握常用机器学习算法Witten,I.H,E.Frank,and M.A.Hall.(2011).Data Mining:Practical Machine Learing Tools and Techniques,3rdedition.Elsevier,Burlington,MA
WEKA是著名的免费机器学习算法程序库，http://www.cs.waikato. ac.nz/ml/weka
《机器学习∶一种人工智能途径》Michalski,R.S.,J.G.Carbonell, and T.M. Mitchell, eds.(1983).Machine Learning: An Artificial Intelligence Approach.Tioga,Palo Alto,CA
《人工智能手册》系列是图灵奖得主E.A.Feigenbaum与不同学者合作编写而成，该书第三卷【CohenandFeigenbaum，1983】对机器学习进行了讨论，是机器学习早期的重要文献
树结构研究：1）Hunt,E.G.and D.I.Hovland.(1963)."Programming a model of human concept formation."In Computers and Thought(E.Feigenbaum and J.Feldman,eds.),310-325,McGraw Hill,New York,NY…2）Winston,P.H.(1970)."Learning structural descriptions from examples."Technical Report AI-TR-231,AI Lab,MT, Cambridge,MA
版本空间： Mitchell,T.M. (1977)."Version spaces:A candidate elimination approach to rule learning."In Proceedings of the 5th International Joint Conference on Artificial Inteligence(IJCAI),305-310, Cambridge
假设空间：Simon,H.A. and G.Lea.(1974). "Problem solving and rule induction:A unified view."In Knouledge and Cognition(L.W.Gregg,ed.),105-127, Erlbaum, New York,NY
迁移学习：Pan,S.J.and Q.Yang.(2010)."A survey of transfer learning."IEEE Thansactions on Knouledge and Data Engineering,22(10):1345-1359
机器学习领域最重要的国际学术会议：国际机器学习会议（ICML）、国际 神经信息处理系统会议（（NIPS）和国际学习理论会议（COLT），重要的区域性会 议主要有欧洲机器学习会议（ECML）和亚洲机器学习会议（ACML）;最重要的 国际学术期刊是Journal of Machine Learning Research和Machine Learning. 人工智能领域的重要会议如JCAlI、AAAI以及重要期刊如ArtificialIntelgence、Journal of ArtificialInteligence Research，数据挖掘领域的重要会议 如KDD、ICDM以及重要期刊如ACMTransactions on Knouledge Discovery from Data、Data Mining andKnouledge Discovery，计算机视觉与模式识别域的重要会议如CVPR以及重要期刊如IEEE Transactions onPattern Analysis and Machine Intelligence，神经网络领域的重要期刊如Neural Computation、IEEE Transactions on Neural Netuorks and Learning Systems 等 也经常发表机器学习方面的论文.此外，统计学领域的重要期刊如Annals of Statistics等也常有关于统计学习方面的理论文章发表.
国内学术会议：中国机器学习大会（CCML）以及每年举行的"机器学习及其应用"研讨 会（MLA）;很多学