我对机器学习还比较新手，我一直在读一本书，作者描述基于实例的学习如下：

可能最简单的学习形式就是死记硬背。如果你用这种方式创建一个垃圾邮件过滤器，它只会标记与用户已经标记过的邮件完全相同的邮件——这不是最差的解决方案，但肯定不是最好的。

与其只标记与已知垃圾邮件完全相同的邮件，你的垃圾邮件过滤器还可以被编程为标记与已知垃圾邮件非常相似的邮件。这需要一种衡量两封邮件相似性的方法。一种（非常基本的）衡量两封邮件相似性的方法可以是计算它们共有的单词数量。如果一封邮件与已知垃圾邮件有许多共同的单词，系统就会将其标记为垃圾邮件。

这被称为基于实例的学习：系统通过死记硬背学习例子，然后使用相似性度量来推广到新情况。

但我没有完全理解，因为他使用了“相似”和“相同”这两个词。我不明白它们的区别。任何解释都会受到欢迎。谢谢你。

回答：

“相同”字面意思就是完全相同——没有差异，是完全匹配的。

字符串“aaaaa”和“aaaaa”是相同的。除了它本身，没有其他字符串可以与“aaaaa”完全相同。

“相似”再次被用作字面意义。“aaaaa”和“aaaab”不是相同的，它们只差一个字符。但它们是相似的，因为它们有4个字符是相同的。有很多很多可能的字符串与“aaaaa”相似。

简单地看字符串中不同字符的数量是定义相似性的一种方式。

基于实例学习的诀窍在于回答这个问题：我们如何为这个应用明确定义“相似”。每个应用可能都需要不同的相似性度量，尽管有一些常见的度量确实存在并经常被重复使用，但这并不意味着它们是最优的。