周志华西瓜书-AI英语单词，第一章

数据集：dataset
示例：instance
属性/特征：attribute、feature
属性空间：attribute space
样本空间：sample space
输入空间：
特征向量：feature vector
维数：dimensionality
学习/训练：learning training
训练数据：training data
训练样本：training samples
训练集：training set
假设：hypothesis
学习器：learner
预测：prediction
标记：label
样例：example
分类：classification（预测离散值）
回归：regression（预测连续值）
二分类：binary classification，正类：positive class，反类：negative class
多分类：multi-class classification
进行预测的过程,称之为  测试：testing
测试样本：testing samples
聚类：clustering
簇：cluster
学习任务分为两大类：监督学习（supervised learning，分类、回归），无监督学习（unsupervised learning，聚类）
学得模型适用于新样本的能力，为泛化（generalization）能力
通常假设样本空间中全体样本服从一个未知的分布（distribution）
独立同分布（independent and indentically distributed）
归纳（induction，从特殊到泛化）和演绎（deduction，从一般到特殊）是科学推理的两大基本手段。
从样例中学习，属于归纳过程，称之为“归纳学习：induction learning”
归纳分两类：广义、狭义
版本空间：version space
归纳偏好：inductive bias
奥卡姆剃刀原则：occam's razor，若有多个假设与观察一致，选择最简单的那个
人工智能：artificial intelligence
统计学习：statistical learning
支持向量机：support vector machine（核方法：kernel methods）
众包：crowdsourcing
数据挖掘：data mining