《李航:统计学习方法》学习记录(一:统计学习方法概论之1.1统计学习)

第一章:统计学习方法概论

1.1统计学习(or统计机器学习)

    本章简要叙述统计学习方法中的一些基本概念

---

1. 统计学习的定义：

统计学习是用计算机 基于数据 构建概率统计模型 对数据进行分析预测的一门学科

2. 统计学习的特点：

(1)统计学习是基于计算机及网络的；
(2)统计学习是以数据为研究对象的；
(3)统计学习的目的是对数据进行预测分析；
(4)统计学习是以方法为中心的；
(5)统计学习是统计学、概率论、信息论、计算理论、最优理论及计算机科学等多个领域的交叉学科。

统计学习可以看做是计算机系统通过运用数据及统计方法提高系统性能的机器学习。

3. 统计学习的对象：

统计学习的对象是数据

4. 统计学习的前提：

同类数据具有一定的规律性

5. 统计学习的方法：

统计学习由监督学习(本书重点)、半监督学习、非监督学习和强化学习等组成。

6. 统计学习方法三要素：

M(模型)S(策略)A(算法) —统计学习方法包括 模型的假设空间 模型的选择策略 模型学习的算法.

7. 统计学习研究的三个方面：

统计学习方法(旨在开发新的学习方法)、统计学习理论(探究方法的有效性与效率)、统计学习应用(解决实际问题)

8. 统计学习重要性：

(1)是处理海量数据的有效方法;
(2)是计算机智能化的有效手段;
(3)是计算机科学发展的重要组成部分.

---

注：本书以讨论离散变量为主

统计学习总的目标:学习什么样的模型以及如何学习模型，以使模型能对数据进行准确的预测与分析，同时也要提高学习效率。

–