# 一些必考概念
## 独立同分布
独立同分布是机器学习模型有效性的假设性前提：在满足独立同分布的前提下，学习到的机器学习模型才是有效的
**“独立”**:针对样本来源而言的。如果样本集（训练集、测试集）中的任意两个样本之间，都是不相关的，则样本的获得或者生成满足独立性条件
“**同分布”**：在表示样本的特征确定以后，训练样本集的分布是具体而确定的，称之为“基于训练样本集的分布” ；样本全集（通常都是无法获取的，是个理论概念），如果能够获取的话，同样对应着一个具体而确定的分布，称之为“基于样本全集的分布（实际上无法获得）” ；
严格意义上的同分布：基于训练样本集的分布与基于样本全集的分布完全相同
在机器学习的实践中，绝对意义上的独立、同分布假设是很难做到的。无法确保严格的独立、同分布，是影响模型泛化性能的根本原因，也是机器学习模型在开放场景应用的最大挑战。
### 机器学习
机器学习就是让计算机从数据中自动学习规律，并利用学到的规律处理新问题。
# 简答题 8分×9
（不仅要说明机器学习范式的基本思想，还要复述上课讲过的内容，并简述基本思路，例如：半监督学习方法有自训练与协同训练，需简述两种方法的基本思想。遗漏章节重要内容会酌情扣分）
1、什么是半监督学习
2、什么是无监督学习
3、什么是迁移学习
4、什么是度量学习
5、什么是在线学习
6、什么是元学习
7、什么是联邦学习
8、什么是多示例多标记学习