1.机器学习的定义

机器学习领域的创始人Arthur Samuel（亚瑟·塞缪尔）早在1959年就给机器学习（Machine Learning，ML）下了定义：机器学习是这样的一个研究领域，它能让计算机不依赖确定的编码指令来自主的学习工作。
1998年，Tom Mitchell对机器学习的定义做了更好的定义。引入了三个概念：经验Experience（E）、任务Task（T）、任务完成效果的衡量指标Performance measure（P）。有了这三个概念，机器学习的定义可以更加严谨：对于某类任务T和性能度量P，如果一个计算机程序在T上以P衡量的性能随着经验E而自我完善，那么我们称这个计算机程序在从经验E学习。

2.机器学习基本概念

举个栗子
假定收集了一批西瓜数据集
（色泽=青绿，根蒂=蜷缩，敲声=浊响），（色泽=乌黑，根蒂=蜷缩，敲声=沉闷），（色泽=浅白，根蒂=硬挺，敲声=清脆）……
这组记录的集合称为一个数据集（dataset）
每一条记录是对一个事件或者事物的描述，称为示例（instance）或样本（sample）
反应事件或事物的表现或者性质的事项，称为属性（attribute）或特征（feature），如上述栗子中的“色泽”，“根蒂”，“敲声”
属性或者特征的取值称为属性值或特征值，如上述例子中的“青绿”，“蜷缩”等
属性构成的空间称为属性空间或样本空间（sample space）