1 导言
模式识别简单来说就是使用计算机算法自动发现数据中隐藏的规律，并利用这些规律来处理数据，比如对数据进行分类。下面会以手写数字识别为例，介绍模式识别中的常见术语。
如下图所示，每个数字对应到一个 28*28 像素的图片，其可以被转化为一个 784 维的实数向量X 。手写数字识别的目标是训练机器输入向量 X ，输出其对应的数字。传统的手写规则或启发式方法难以应对手写数字的多变性，我们可以通过机器学习的方法来解决这一问题。
对于大部分的实际问题，原始的输入变量需要被预处理为不同形式的变量，以方便模式识别算法的求解。对于手写数字识别来说，输入的原始图像会被缩放为固定大小的图像，并保证数字的位置处于图像中心。这种预处理阶段有时也被称为特征提取（feature extraction）。需要注意的是新的测试数据需要使用与训练数据相同的方式进行预处理。预处理也可以用来加速计算，但同时可能会丢失部分信息，需要进行权衡。
上述案例中，训练集数据包括了输入向量及其对应的目标向量，基于这种训练集的学习被称为监督学习（supervised learning）。在监督学习中，诸如手写数字识别这种为输入向量分配一个有限数量的离散类别的问题，被称为分类问题（classification）。而如果输出包含了一个或多个连续变量，则该问题被称为回归问题（regression），例如预测化学反应过程中的反应物浓度、问题、压力的变化。
在另一类模式识别问题中，训练集数据只包含输入向量，不包含目标向量，这种学习被称为无监督学习（unsupervised learning）。无监督学习的目标多种多样，如发现数据中的相似样本集合，这种问题被称为聚类（clustering）；如决定输入空间内的数据分布，这种问题被称为密度估计（density estimation）；如将数据从高维空间映射至二维或三维空间，用于数据可视化，这种问题被称为降维（dimensionality reduction）。
还有一种学习被称为强化学习（reinforcement learning），其目标是在给定环境中找到适合的动作来最大化奖励。一般来说，该问题会包含一个状态与动作的序列，算法通过不断地与环境交互来进行学习。本书不会涉及过多强化学习的内容。
虽然每种任务都包含其独有的工具与技术，但其原理上存在着共通性。本章节将介绍模式识别领域最重要的三个工具：概率论，决策论以及信息论。
2 案例：多项式曲线拟合
我们还可以探索不同数据集大小下的模型表现。如下图所示，对于一个给定的模型，随着数据集大小的增加，过拟合问题逐渐减轻。一种启发式的选择数据集大小的方法是其数量不应该少于模型中可调整参数数量的 5 倍或 10 倍。然而，之后的章节我们会知道参数数量并不是度量模型复杂度的最佳方式。
