1.8 监督学习应用

2022.09.7 李航老师《统计学习方法》： 一. 统计学习及监督学习概论
# 本文目的就是为学者简化学习内容，提取我认为的重点 把书读薄;

1.8 监督学习应用

1.8.1 分类问题

分类问题是监督学习的核心问题。

模型：

$$Y=\hat{f}(X)或\hat{P}(Y|X)$$

• 输出变量Y取有限个离散值
• 输入变量X可以去连续的，也可以去离散的
• $Y=\hat{f}(X)$输出是个值，$\hat{P}(Y|X)$输出是个概率，两者都是对输入X进行分类

评价分类器有很多标准，在不同情况下用不同标准。二分类常用标准为：精准率、召回率、F1:

TP、FN、FP、TN、精准率、召回率、F1：https://zhuanlan.zhihu.com/p/562155082

1.8.2 标注问题

标注问题经常用到NLP中，它是分类问题的一个拓展。

输入一个观测序列，输出一个标记序列或者状态序列。好比书中例子：从引文文章中抽取基本名词短语

因为像短语，它结合上下文语境才知道他们是不是短语。

比如：
李正是个搞笑女，李正平常常讲段子。
我们识别 李正平 是名字还是李正是名字，平常 常讲段子…

1.8.3 回归问题

回归问题是监督学习另一个重要问题。

回归问题就是通过x(自变量)对y的预测（因变量）

分类：

• 通过输入变量个数，分为一元回归或多元回归（我理解为维度）
• 输入变量和输出变量关系，分为线性回归和非线性回归（线性回归我认为是个直线，弯的就是非线性）