polished

chapter_introduction/index.md

@@ -35,7 +35,7 @@
 
 假设你正和本书的作者们一起，驱车去咖啡店。
 亚历山大拿起一部iPhone，对它说道“Hey Siri”--手机的语音识别系统主动唤醒了。
-接着，李沐对Siri说道“去星巴克咖啡店”--语音识别系统的语音转文字功能自动启动，并启动了地图应用程序来满足我们的请求。
+接着，李沐对Siri说道“去星巴克咖啡店”--语音识别系统自动触发语音转文字功能，并启动地图应用程序来满足我们的请求。
 地图应用程序在启动后确定了若干条路线：每条路线都显示了预计的通行时间......
 由此可见，机器学习渗透在生活中的方方面面，在短短几秒钟的时间里，我们与智能手机的日常互动就可以涉及几种机器学习模型。
 
@@ -106,9 +106,15 @@
 
 ### 数据
 
-不用说，没有数据就不能做数据科学。我们可能会用数百页来思考数据的确切构成，但目前，我们将重点放在需要关注的关键属性上。一般来说，我们关注的是一组样本。为了有效地处理数据，我们通常需要想出一个合适的数值表示法。每个*样本*（example）（或*数据点*（data point）、*数据实例*（data instance））通常由一组称为*特征*（features）（或*协变量*（covariates））的属性组成。模型必须根据这些属性进行预测。在上面的监督学习问题中，要预测的是一个特殊的属性，它被称为*标签*（label）（或*目标*（target））。
+毋庸置疑，如果没有数据，那么数据科学毫无用武之地。
+每个数据集由一个个*样本*（example）组成，大多时候，它们遵循独立同分布(idependently and identically distributed, i.i.d.)。
+样本有时也叫做*数据点*（data point）或者*数据实例*（data instance），通常每个样本由一组称为*特征*（features）（或*协变量*（covariates））的属性组成。
+机器学习模型会根据这些属性进行预测。
+在上面的监督学习问题中，要预测的是一个特殊的属性，它被称为*标签*（label，或*目标*（target））。
 
-如果我们处理的是图像数据，每一张单独的照片都可能构成一个样本，每一张照片都由与每个像素强度相对应的数字值的有序列表表示。$200\times 200$彩色照片由$200\times200\times3=120000$个数值组成，对应于每个空间位置的红、绿、蓝通道的强度。在另一项传统的任务中，我们可能会在给定一组标准的特征(如年龄、生命体征和诊断)的情况下，尝试预测患者是否会存活。
+假设我们处理的是图像数据，每一张单独的照片即为一个样本，它的特征由每个像素数值的有序列表表示。
+比如，$200\times 200$彩色照片由$200\times200\times3=120000$个数值组成，其中的“3”对应于每个空间位置的红、绿、蓝通道的强度。
+再比如，对于一组医疗数据，给定一组标准的特征(如年龄、生命体征和诊断)，我们可能用此数据尝试预测患者是否会存活。
 
 当每个样本都由相同数量的数值表示时，我们称数据由固定长度的向量组成，我们将向量的固定长度称为数据的*维数*（dimensionality）。正如你可能想象的那样，固定长度是一个方便的属性。如果我们想训练一个能够在显微镜图像中识别癌症的模型，固定长度的输入意味着我们少了一件要担心的事情。