李航《统计学》学习笔记（1）

第一章 统计学习方法概论

统计学习的三要素：模型、策略和算法

统计学习的特点：1建立在计算机及网络之上2数据驱动的学科3目的是对数据进行预测和分析。

4以方法为中心，进行预测与分析。5交叉学科。

 

Herbert A. Simon对“学习”的定义：如果一个系统可以通过执行某个过程改进性能，这就是学习。

学习对象：

数据（data）

数据的基本假设是具有一定的统计规律性。

学习目的：用于对数据（特别是未知数据）进行预测和分析。

统计学习的方法

分类：

监督学习(Supervised learning)、无监督学习（Unsupervised learning）、半监督学习（Semi-supervised learning）、强化学习(Reinforcement learning).

   监督学习：

  训练数据（training data）

  模型（model）-----假设空间（hypothesis）：模式的集合就是假设空间。

   评价准则（evaluation criterion）----策略（strategy）

   算法（algorithm）

问题形式化：其中Y=f(x)是决策函数，P（y|x）为条件概率，T=（x1,y1）......(xn,yn)为训练集。