統計機器學習方法的三要素為：模型+策略+演算法。
模型：即所要學習的條件概率分布或決策函式。 模型的假設空間包含了所有可能的條件概率分布或決策函式。
策略：統計機器學習的目標在於從模型的假設空間中選取最優模型，那麼策略就是需要考慮選取什麼樣的準測來學習/選擇最優模型。具體的策略有：經驗風險最小化、結構風險最小化。
演算法：是指學習模型的具體計算方法。
模型的訓練誤差和模型的測試誤差
過擬合
正則化與交叉驗證
泛化誤差和泛化誤差上界
加粗樣式
參考：ch01 統計學習及監督學習概論
統計機器學習 1 統計機器學習基礎
網路 演算法 機器 優化 概率 統計 資料 矩陣 資訊 模型 推理 獲知識 靠學習 we are drowning in information and starving for knowledge.john naisbitt data model knowledge mlstatistics 備註...
機器學習 統計學習
機器學習 一種讓計算機利用資料而非指令來進行各種工作的方法。計算機使用輸入給他的資料，利用人類賦予的演算法，得到某種模型的過程，其結果是使用該模型，未知資料資訊。在統計理論下的本質 它追求的是合理的假設空間 模型在數學上的適合場合 的選取和模型的泛化能力 模型在未知資料上的表現能力 統計學習 sta...
統計機器學習綜述
記錄學習心得 一 什麼是機器學習 統計學習 統計學習就是根據資料來構建概率統計模型並用該模型對資料進行 與分析。那麼其中可以看出，資料是基礎，目的是對資料進行 與分析。根據定義可以提出幾個問題 需要什麼樣的資料？構建什麼樣的模型？以什麼方法構建？如何評價構建出來的模型的好壞？1 需要什麼樣的資料 需...