什麼是統計學習？

統計學習是計算機基於數據構建概率統計模型，來對數據進行預測和分析的學考，一般目前應用於機器學習中

統計學習的特點是什麼？

統計學習的特點一般有以下5個

1. 基於計算機的科學
2. 研究對象：數據，是數據驅動的學科。從數據出發，提取數據特徵，抽象數據模型，發現數據知識，回到數據的分析和預測中去。
3. 研究目的：對數據進行預測和分析。通過構建概率統計模型實現數據的預測和分析，總的目標是考慮學習什麼樣的模型和如何學習模型。以使模型能夠對數據進行準確地預測和分析
4. 研究核心：學習方法，通過構建模型並應用模型來進行預測和分析

基於數據構建統計模型，從而對數據進行預測分析，一般由四種方法組成，監督學習，非監督學習，半監督學習和強化學習

統計學習的方法

監督學習：輸入與輸出有唯一確定的關係

非監督學習：輸入與輸出沒有確定關係，需要模型自己判斷哪些輸入輸入要歸到哪一類

半監督學習：部分的輸入與輸出有確定關係，但大部分的輸入與輸出沒有確定關係

強化學習：輸入與輸出沒有確定關係的情況下，通過先嚐試做出一些行為得到一個結果，再通過結果不斷優化調整，使算法能夠學習到在什麼樣的情況下，選擇什麼樣的結果

實現統計學習的步驟

監督學習

1、分類，標註與迴歸

監督學習中主要包括用於分類，標註和迴歸的問題，其中分類，標註和迴歸分別表示

迴歸：輸入變量與輸出變量均為連續變量的預測問題

標註：輸入變量與輸出變量均為變量序列的預測問題

分類：輸出變量為有限個離散變量的預測問題

2、基本概念

輸入和輸出空間：將輸入和輸出所有可能取值的集合，分別稱為輸入控件和輸出空間

特徵空間：輸入通常由特徵向量表示，特徵向量所在的空間為特徵空間，通常特徵空間的每一維表示一個特徵

假設空間：模型由輸入到輸出空間映射的集合，一般分為概率模型和非概率模型

表示：

X：輸入變量

Y：輸出變量

x：輸入變量的值

y：輸出變量的值

3、監督學習的形式化表現

學習過程中，學習系統試圖通過訓練數據集中的樣本來學習模型，如果模型具有很好的預測能力，則對於新的輸入，通過預測系統的模型，可以得到和真實值誤差足夠小，以實現預測

4、統計學習的三要素

統計學習的三要素：模型，策略和算法

• 模型：在監督學習過程中，模型就是所要學習的條件概率分佈或決策函數
• 策略：按照什麼樣的準則學習或選擇最優模型
• 算法：學習模型的具體計算方法

在策略中，我們需要引入兩個函數：損失函數和風險函數

（a）損失函數：損失函數：度量模型一次預測的好壞

常用的損失函數

（b）風險函數：度量平均意義下模型預測的好壞

後續不定期補充機器學習相關文章~

閱讀更多 努力呀coco 的文章

關鍵字: 監督 電腦 模型