一、统计学习的对象
1、统计学习的对象是数据,统计学习从数据出发,提取数据的特征,抽象数据的模型,发现数据的知识。
2、统计学习关于数据的基本假设是同类数据具有一定的统计规律性,这是统计学习的前提。同类数据是指具有某种共同性质的数据。只有当数据具有统计规律时,才可以用概率统计的方法加以处理。
二、统计学习的目的
预测和分析
三、统计学习的方法
监督学习(supervised learning)、非监督学习(unsupervised learning)、半监督学习(semi-supervised learning)、强化学习(reinforcement learning)
统计学习方法三要素:模型(model)、策略(strategy)、算法(algorithm)
训练数据(training data)
验证数据(test data)
评价准则(evaluation criterion)
假设空间(hypothesis space)
实现统计学习方法的步骤:
1、得到一个有限的训练数据集合
2、确定包含所有可能的模型的假设空间,即学习模型的集合
3、确定模型选择的准则,即学习的策略
4、实现求解最优模型的算法,即学习的算法
5、通过学习方法选择最优模型
6、利用学习的最优模型对新数据进行预测和分析
四、统计学习的研究
包含三个方面:统计学习方法(statistical learning model)、统计学习理论(statistical learning theory)、统计学习应用(application of statistical learning )