第一章 统计学习方法概论

本文介绍了统计学习方法的基础概念,包括监督、无监督、半监督和强化学习等不同类别,并重点讲解了监督学习中涉及的基本要素,如模型、策略及算法。通过探讨条件概率分布或决策函数的学习方式,以及采用的经验风险最小化策略等内容,为读者提供了统计学习方法的入门指南。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

第一章 统计学习方法概论

统计学习方法:监督、无监督、半监督、强化学习
蓝皮书只讲监督学习
方法 = 模型+策略+算法
模型 : 学习条件概率分布或者决策函数
P(Y|X)P(Y|X)
Y=f(x)Y=f(x)
策略:经验(平均损失)风险或者结构(加正则化项)风险最小化
对数损失函数(对数似然损失函数)
L(Y,P(Y|X))=logP(Y|XL(Y,P(Y|X))=−logP(Y|X)

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值