机器学习是什么？简单地讲，机器学习是给定输入x，通过模型的训练获取所需的输出y，也即训练出函数y（x）
训练集：⼀个由N个特征{x1, …, xN }组成的集合，⽤来调节模型的参数（打个比方说，可以当做上学时平时的作业，从中可以学习到知识）
测试集：用来检验模型效果的特征集（平时的期末考，由于不讲解试卷，所以只知道成绩不知道错误在哪里，无法从中获取知识）
泛化：正确分类与训练集不同的新样本的能力（将某个知识点从一个题目迁移到另一个题目的能力）
过拟合：模型在训练集上效果很好，在测试集中却表现不佳，其主要原因就是过拟合，泛化性能降低。过拟合是机器学习很经常遇见的情况，可以用L1、L2正则化、drought等方法解决。（考试过拟合现象：看过的都没考，不按历年题目的套路出卷，不是因为看了假书上了假课做了假题，只是对往年试题过拟合）
欠拟合：对训练样本的一般性质还没学好
预处理：将原始输⼊向量变换到新的变量空间，使得在新的变量空间中模式识别问题可以更容易地被解决。我的理解是可能由于特征维度过高，包含过多无用信息，所以进行降维或特征抽取。这样也可以加快计算速度，提高模型准确性。
监督学习：训练数据的样本包含输⼊向量以及对应的⽬标向量（或者叫标签）。比如数字识别问题中，既具有输入的图片信息，也具有图片所对应的标签（0-9）。像数字识别这样，将每个输⼊向量分配到有限数量离散标签中的⼀个，被称为分类问题；如果要求的输出由⼀个或者多个连续变量组成，那么这个任务被称为回归。回归问题的⼀个例⼦是房价预测。在这个问题中，输⼊可以是年份、年平均收入等。
无监督学习：训练数据由⼀组输⼊向量x组成，没有任何对应的⽬标值。目的可能是发现数据中相似样本的分组，这被称为聚类；或者决定输⼊空间中数据的分布，这被称为密度估计，或者把数据从⾼维空间投影到⼆维或者三维空间，为了数据可视化。
