专业是仪器仪表，但是也要和深度学习联合起来学习，以前在做任务的时候用过深度学习，但对理论知识不了解，现在要水文章，还是从头原理看一看吧，仅用作个人记录，不做任何商用。
------------------------------------所有记录均摘抄或收集自互联网或《西瓜书》、《南瓜书》等资料书籍
以前用到几个概念比较熟悉就不记录了，主要记录自己不熟悉的几个概念。
第一章 绪论
基本概念
属性：描述对象或事件（样本）的表现或性质的事项
样本空间：由属性张成的空间（比如三维坐标系即三个属性，一个点（样本）总能在这个空间内找到它的位置（描述））。
而这个点（样本）也成为特征向量。
第二章? 评估与选择
泛化误差：在新样本集上的误差
评估方法：
1、留出法
2、交叉验证法
在数据集D中，分层采样出K个子数据集（保持相同的数据分布），每次用K-1个子集作为训练集，余下数据集做验证、测试集，进行K次训练验证，最终返回K次验证的平均结果。
3、自助法
参数度量：、
其中常见查全率、查准率以及F1得分都在以前用过了，比较了解，在这补充一下：
其中β>1时，查全率?影响更大，β<1时，查准率影响更大；
β=1时，则为最常见的F1得分。
注：查全率与查准率相互矛盾，故P-R曲线非平滑、非单调、局部波动的曲线。