统计学习基础(概念,基本思想,先验知识)

本文概述了统计学习的基础知识,包括模型、策略和算法三个要素。模型分为生成模型和判别模型,有监督学习涵盖回归、分类和标注任务。文章还提及需要复习的大数定律、偏导、最小二乘法等相关概念。

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

本文主要是阅读李航《统计学习方法》一书第一章后的一些梳理,总结,同时也学习使用一下Markdown.


统计学习三要素

  • 模型(model):假设空间中的函数簇。概念有参数向量

  • 策略(strategy):评价模型好坏的标准。概念有损失函数,风险函数(期望损失),经验风险(ERM),结构风险(SRM),正则化(范数)。

  • 算法(algorithm):求解最优模型的算法。概念有优化算法(梯度下降,最小二乘法,全局最优)。

步骤:

训练数据集合——>假设空间选取——>损失函数确定——>求解模型的算法获取参数值——>最优模型获取——>预测或分析

模型

  • 生成模型:由数据学习联合概率分布然后求得条件概率分布P(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