监督学习 :学习一个模型,使得模型能够对任意的输入,对相应的输出给出一个好的预测。分为学习和预测两个过程。包含分类问题,以及回归问题。
输入空间:所有可能的输入的取值的集合。
输出空间:所有可能的输出的取值的集合。输出空间通常远远小于输出空间。
特征空间:每个具体的输入是一个实例,通常由特征向量表示,特征向量存在的空间称为特征空间。其中每一维对应一个特征。由于模型定义在特征空间,所以需要将输入空间映射到特征空间。
假设空间:从特征空间到输出空间的映射(模型)的集合。
统计学习三要素:模型,算法,策略。
模型:在监督学习中,就是所要学习的条件概率分布或者决策函数。
策略:按照什么样的准则学习或选择最优模型,如经验风险最小化,结构风险最小化的策略。
损失函数:度量模型一次预测的好坏,是预测值和标记值的非负实值函数。
期望损失:模型关于联合分布的平均损失。这是学习的目标。
经验风险:模型在训练集的平均损失。根据辛钦大数定律,当样本容量趋于无穷时,经验风险趋于期望损失。
结构风险:在经验风险上加上表示模型复杂的的正则化项。
正则化:即结构风险最小化,为防止过拟合提出的。正则化项可以是L2范数的平方,一般乘以1/2,便于处理,也可以是L1范数。
训练误差:模型关于训练集的平均损失。
测试误差:模型关于测试集的平均损失。
泛化能力:模型对未知数据的预测能力。
过拟合:学习时,选择的模型参数过多,以至于模型对已知数据的预测能力很好,对未知数据的预测能力却很差。
交叉验证:把给定的数据分为训练集以及测试集,在此基础上反复训练测试模型。如简单交叉验证,S折交叉验证,留一交叉验证。
准确率:分类器正确分类的样本数与总样本数比。