一、 统计学习方法概论

一、 统计学习方法概论

1. 统计学习的分类

有监督学习

无监督学习

2. 统计学习方法三要素

模型(假设空间)

  • 决策函数

策略

  • 损失函数
  • 风险最小化
    1. 经验风险最小化
    2. 结构风险最小化(加入正则项防止过拟合)

算法

3.模型评估与选择

训练误差与测试误差

  • 训练集
  • 测试集:模型的选择
  • 验证集:模型的评估

过拟合与模型选择

4.正则化和交叉验证

正则化放过拟合

交叉验证

5.应用

分类问题

  • 精确率:预测为正的样本中有多少被分对了
  • 召回率:实际正类中,有多少正类被发现了
  • F1值:上面两个的权衡

标注问题

回归问题

6.泛化能力

泛化误差上界,有个强假设,很少见,假设空间里为有限个。

7.生成模型与判别模型

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值