如果您尝试对某些输入进行分类，$\mathbf{x} \in \mathbb{R}^{n}$, 到其中之一$d$使用带参数模型的类，$\theta$，您应该如何从概率测度理论的意义上考虑学习参数的实验？

我是新手，但在我读过的机器学习示例中，每个都将被视为一个随机变量：$X$对于输入，$Y$对于输出，也许$\theta$为参数。

我们如何看待样本空间，$\Omega$，对于整个“实验”？每个随机变量是否都有一个潜在的“实验”，其中样本空间是可能的值，随机变量直接映射到结果，$\omega$? 然后也许我们用样本空间创建一个组合实验，$\Omega_{X} \times \Omega_{Y} \times \Omega_{\theta}$?

任何关于测度理论如何与机器学习的基本问题联系起来的资源都会有所帮助。