周志华的同名书籍的阅读笔记，入门读物
第一章 绪论
1.1 引言
1.2 基本术语
classification：预测结果是离散值（好瓜、坏瓜）
regression：预测结果是连续值（成熟度0.95 0.37）
binary classification：只涉及两个结果的分类，通常称之为一个为positive class 一个为 negative class
multi-class classification：多分类
预测任务是希望通过训练对训练集{(x1,y1),(x2,y2)…(xm,ym)}进行学习，建议一个从输入空间X到输出空间Y的映射，对于二分类任务，通常另Y = {-1,1}或者{0,1}，对多分类任务，|Y|>2，回归任务，Y = R，R是实数集。
学习完毕模型后，使用其预测的过程叫做测试(testing)，被预测的样本称为“测试样本”(testing sample)，例如在学得f之后，对测视例x，可得到其预测目标y = f(x).
聚类（clustering），即将训练集中的西瓜分为若干组（cluster），在聚类学习中，分的类我们是事先不知道的，学习过程中使用的训练样本通常不配拥有标记信息。
根据训练数据是否用哦与标记信息，学习任务大致可以划分为两大类：“监督学习（supervised learning）和非监督学习（unsupervised learning），分类和回归是前者的代表，聚类是后者的代表”