《统计学习方法》学习总结（未完待续）

最新推荐文章于 2025-04-25 23:16:05 发布

原创最新推荐文章于 2025-04-25 23:16:05 发布 · 513 阅读

0 ·

CC 4.0 BY-SA版权

文章标签：

#统计学 #算法

机器学习同时被 2 个专栏收录

6 篇文章

订阅专栏

数据挖掘

5 篇文章

订阅专栏

本文介绍了统计学习方法的三大核心要素：模型、策略与算法，并对比了生成模型与判别模型的区别，包括各自的特点及典型应用如朴素贝叶斯、支持向量机等。

                    
                        
                    
                    统计学习方法的三要素：模型(model)、策略(strategy)、算法(algorithm).
生成模型和判别模型分类 
 
  生成模型：可以还原出联合概率分布P(X,Y),学习收敛速度更快，存在隐变量时还是可以使用。 
 
    朴素贝叶斯分类法
隐马尔可夫模型
判别模型：直接学习条件概率P(X|Y)或决策函数f(X),学习准确率更高，可以简化学习问题（对数据进行各种程度上的抽象、定义特征并使用特征） 
 
    k近邻法
感知机
决策树
逻辑斯低回归模型
最大熵模型
支持向量机(SVM)
提升方法
条件随机场

                