统计学习方法笔记——第一章（1）

概论

1.统计学习方法三要素：模型（model）、策略（strategy）、算法（algorithm）
2.实现步骤

1. 得到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
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或分析

3.统计学习基本分类

1. 监督学习
   从标注数据中学习预测模型的机器学习问题，本质是学习输入到输出的映射的统计规律。
   1. 回归问题：输入变量与输出变量均为连续变量
   2. 分类问题：输出变量为有限个离散变量
   3. 标注问题：输入变量于输出变量均为变量序列
      从训练数据集(trainging data)中学习模型，对测试数据集(test data)进行预测
      记：输入变量为**$X$，输出变量为$Y$，输入变量取值$x$，输出变量取值$y$**
      输入实例$x$的特征向量
      $$x=(x^{(1)},x^{(2)},...,x^{(i)},...,x^{(n)}{)}^T$$
      $x^{(i)}$表示$x$的第$i$个特征，$x_i$表示第$i$个输入变量，即
      $$x_i=(x_i^{(1)},x_i^{(2)},...,x_i^{(n)}{)}^T$$
      训练数据、测试数据由输入（特征向量）与输出对组成，输入输出对又称样本（sample）或者样本点
      $$T=\{(x_1,y_1),(x_2,y_2),...,(x_n,y_n)\}$$
      监督学习的模型可以是概率模型或者非概率模型，由条件概率分布$P(Y|X)$或者决策函数$Y=f(x)$表示。具体的输入进行预测时，表示为$P(y|x)$或者$y=f(x)$
      监督学习分为学习和预测两个过程，分别由学习系统和预测系统完成。
      学习系统利用给定的训练数据集，用过学习/训练得到模型，表示为条件概率分布$\hat{P}(Y|X)$或者决策函数$Y=\hat{f}(X)$，描述输入与输出随机变量之间的映射关系。
      预测过程中，预测系统对于测试样本集中的输入$x_{N+1}$，由模型$y_{N+1}=\underset{y}{\mathrm{argmax}}\hat{P}(y|x_{N+1})$或者$y_{N+1}=\hat{f}(x_{N+1})$给出相应的输出$y_{N+1}$。
2. 无监督学习
   无监督学习是指从无标注数据中学习预测模型的机器学习问题，本质是学习数据中的统计规律或者潜在结构。目的是找出给定的评价标准下的最优模型。
   记：输入空间为$\mathcal{X}$，隐式结构空间为$\mathcal{Z}$,学习模型表示为函数$z=g(x)$，条件概率分布$P(z|x)$或者$P(x|z)$，$x\in \mathcal{X}$为输入，$z\in \mathcal{Z}$为输出。
   假设空间：包含所有可能的模型的集合
   训练数据表示为
   U = { x 1 , x 2 , . . . , x N } 其中 x i 是样本 U=\{x_1,x_2,...,x_N\}其中x_i是样本 U={x1​,x2​,...,xN​}其中xi​是样本
   无监督学习可用于对已有数据的分析和对未来数据的预测，分析时使用学习得到的模型，即函数$z=\hat{g}(x)$，条件概率分布$\hat{P}(z|x)$或者$\hat{P}(x|z)$。
   学习过程中，学习系统从训练数据集学习得到最优模型，表示为$x=\hat{g}(x)$，条件概率分布$\hat{P}(z|x)$或者$\hat{P}(x|z)$。
   预测过程中，预测系统对于给定的输入$x_{N+1}$，进行聚类或降维，或者由模型$\hat{P}(x|z)$给出输入的概率$\hat{P}(x_{N+1}|z_{N+1})$，进行概率估计。
3. 强化学习（暂略）

4.统计学习方法三要素

1. 模型
   即所有要学习的条件概率分布或者决策函数。
   假设空间高喊所有可能的条件概率分布或决策函数。一般有无穷多个。
   用 F = { Y = f ( X ) } \mathcal{F}=\{Y=f(X)\} F={Y=f(X)}表示假设空间，$\mathcal{F}$通常是由一个参数向量决定的函数族：
   F = { f ∣ Y = f θ ( X ) , θ ∈ R n } \mathcal{F}=\{f|Y=f_\theta (X),\theta\in R^n\} F={f∣Y=fθ​(X),θ∈Rn}
   假设空间也可以定义为条件概率的集合：
   F = { P ∣ P ( Y ∣ X ) } \mathcal{F} = \{P|P(Y|X)\} F={P∣P(Y∣X)}
   $\mathcal{F}$通常是由一个参数向量决定的条件概率分布族：
   F = { P ∣ P ( Y θ ∣ X ) , θ ∈ R n } \mathcal{F}=\{P|P(Y_\theta|X),\theta\in R^n\} F={P∣P(Yθ​∣X),θ∈Rn}
2. 策略
   接下来要考虑按照什么样的准则学习或者选择最优模型。
   这里引入了损失函数与风险函数的概念。损失函数衡量模型一次预测的好坏，风险函数衡量平均一一下的预测好坏。
   1.损失函数(Loss Function)
   损失函数是$f(X)$和$Y$的非负实值函数，记作$L(Y,f(X))$
   常用的损失函数有以下几种：
3. 0-1损失函数(0-1 loss function)
   $$L(Y,f(x))=\{\begin{array}{l}1,Y\ne f(X)\\ \\ 0,Y=f(X)\end{array}$$
4. 平方损失函数(quadratic loss function)
   $$L(Y,f(X))=(Y-f(X){)}^2$$
5. 绝对损失函数(absolute loss function)
   $$L(Y,f(X))=|Y-f(X)|$$
6. 对数损失函数或似然损失函数
   $$L(Y,P(Y|X))=-\log P(Y|X)$$

2.风险函数(Risk FUnction)
损失函数数值越小，模型就越好
模型的输入是输出(X,Y)是随机变量，遵循联合分布$P(X,Y)$，损失函数的期望是
$$R_{exp}(f)=E_P[L(Y,f(X))]={\int }_{\mathcal{X}\times (Y)}L(y,f(x))P(x,y)dxdy$$
$R_{exp}$就是理论上$f(X)$关于$P(X,Y)$的平均意义下的损失，成为风险函数，或者期望损失(expected loss)，由于$P(X,Y)$是未知的，所以$R_{exp}(f)$无法直接计算。
模型关于训练数据集的平均损失成为经验风险(empirical risk)或者经验损失(empirical loss)，记为$R_{emp}(f)$:
$$R_{emp}(f)=\frac{1}{N}\sum _{i=1}^{N}L(y_i,f(x_i))$$
根据大数定律，当样本容量$N\to \infty$时，$R_{emp}(f)\to R_{exp}(f)$

3.经验风险最小化
4.结构风险最小化

3. 算法