本章从如何挑选西瓜的经验出发，介绍了本书所涉及的一些基本概念和术语。
本章概要
本章从如何挑选西瓜的经验出发，介绍了本书所涉及基本术语和概念。
数据集、样本、特征（属性）、特征空间（属性空间、样本空间、输入空间）、特征向量、维数；
学习（训练）、训练数据、训练样本、假设、预测、标记、样例、标记空间（输出空间）、测试、测试样本；
分类、回归、聚类、簇、监督、无监督、泛化能力；
归纳、演绎、概念学习、假设空间、版本空间；
归纳偏好（偏好）、奥卡姆剃刀；
同时简要介绍了机器学习的发展史。
符号主义、连接主义、机器学习、数据挖掘、统计学；
习题解答
1.版本空间
当前的特征维度为3（色泽、根蒂、敲声），共3、2、2种取值，1，4的特征完全不同
根据版本空间的定义（版本空间指的是与训练集一致的假设空间），由表可知，1，4样例各特征取值均不同，于是得出当前的版本空间为：
2.折合范式提升假设空间表示能力
首先给出相关定义，合取范式：Conjunctive normal form - Wikipedia，析合范式：Conjunctive normal form - Wikipedia。
然后考虑问题。本题采用析合范式来提升假设空间，解答思路如下图：
3.噪声下的归纳偏好设计
- 最简单的设计就是：训练样本一致特征越多越好（一致性比例越高越好）为归纳偏好。
- 另外，考虑归纳偏好应尽量与问题相匹配，这里可使归纳偏好与噪声分布相匹配。
另外1.4与1.5题未完成。