1.先說學習方法，我覺得Tom的ps做的挺好，要點都已經寫好了，所以最好先看ps，然后
看書，這樣有個提綱在自己心里，看的容易明白些。最后每章書上有個總結，也能把
要點列出，這一章看了什么，懂了什么，什么沒有懂，比較明白。
2.這一討論節，主要象ps中講了四個問題：
why，what，example，questions（以后要講的東西）
我覺得這一章是要讀的，因為它給了一個機器學習的框架。
3。關于why－helloboy已經總結過了，我只作一點感想。
本來我還在想在這個板開展機器學習的討論，是否不太務正業，搶了人家（AI)的
生意，看來這個討論就應該在我們板搞，因為ML跟AI有關系，但是第一大用戶是
數據挖掘的人，所以搞DM的同仁不管是做規則提取還是神經網絡還是聚類分析，
都had better讀讀這本書，參加討論。不要事不關己，高高掛起。
4.關于what，什么是機器學習，就這個概念來說，Tom的定義是最權威的，很多論文講
機器學習都要說我的定義是遵循Tom的，所以一定要理解掌握吧，以后看論文省力。
我做神經網絡多一些，看到好的論文，一般都要首先定義問題是什么（任務T)，采用
什么樣的評價標準（性能標準P)，比如有預測值跟實際值之間的RMSE、MAE、COE等等
in regression problems，對于分類問題，有RECALL，accuracy等。大作光這個能寫
上two pages。對于訓練經驗E，要么是標準測試樣本集，要么是自己做的，也要詳細
介紹的。
5.通過一個example介紹了西洋棋的學習問題。可能有的人（我）覺得羅嗦，我仔細想想
主要是我以前作的問題，很多步驟，缺省用的別人的東西，所以我自己都沒有想過
這些問題，很重要，比如為什么用到我的樓上一文中的10foldCV，因為要保證1.2.1中
的第三條，訓練樣本的分布要較好的表示實際樣本的分布。
最后得到四個核心環節的一個學習程序。這四個部分也很關鍵。
在我做的特征選擇問題中，也是要分為四部分，特征生成，特征訓練，子集驗證，
子集的使用。大家也可以把自己的問題往上套。
6.關于ML的問題，我想Tom是為了告訴大家以后學習的內容吧，以后我們再討論。