統計學習
1.監督學習 supervised learning
2.非監督學習 unsupervised learning
3.半監督學習 semi-supervised learning
4.強化學習 reinforcement learning
常用詞彙
訓練集：training data
假設空間：hypothesis space
測試資料：test data
評價準則：evaluation criterion
模型：model
策略：strategy
演算法：algorithm
學習步驟
1.得到乙個有限的訓練資料集合；
2.確定包含的所有可能的模型的假設空間，學習模型的集合（所有可以的模型）；
3.確定模型選擇的準則，學習的策略（從多個模型中選擇最優模型的依據）；
4.實現求解最優模型的演算法，學習的演算法（求得最優解的最好途徑（梯度下降，高斯逼近，….））；
5.通過學習方法選擇最優模型（訓練學習得出最優模型引數）；
6.利用學習的最優模型對新資料進行**或分析（實際應用）；
統計學習方法 統計學習的分類
首先簡單介紹一下統計學習 統計學習是關於計算機基於資料構建概率統計模型並運用模型對資料進行 和分析的一門學科。其可以理解為計算機系統通過運用資料及統計方法提高系統效能的機器學習。現在我們談論的機器學習，往往就是統計機器學習。下面進入正文 概率模型和非概率模型的本質區別就是其內在結構是否可以表示成聯合...
統計學習基本分類
二 無監督學習 三 強化學習 四 半監督學習與主動學習 統計學習或機器學習一般包括監督學習 無監督學習 強化學習，有時還包括半監督學習和主動學習。監督學習 指的是從標註資料中學習 模型的機器學習問題，其本質就是學習輸入到輸出的對映的統計規律。監督學習的流程圖 監督學習分為學習和 兩個過程 無監督學習...
統計學習 統計學習三要素
模型是所要學習的條件概率分布或者決策函式。統計學習的目的在於從假設空間中選取最優模型。故需要引入損失函式與風險函式。損失函式 衡量模型一次 的好壞。風險函式 衡量平均意義模型 的好壞。l y,f x begin 1,y neq f x 0,y f x end l y,f x y f x 2 l y,...