机器学习(统计学习方法)
2017-07-31 19:43
162 查看
昨天有些私事,今天补过。
统计学习方法 李航:
Day 1:
统计学习主要是由:监督学习(supervised learning)、非监督学习、半监督学习、强化学习组成,主要应用监督学习。
监督学习,主要由数据,模型、算法组成。给定已知的输入与输出,通过其统计规律,得出其相关关系,再预测未知,即为监督学习。
P(x,y)联合概率分布,统计其分布规律,y=f(x)决策函数。
监督学习是利用训练数据集给出一个模型,再用模型对数据进行预测,由于训练数据集是由人工给出的,所以称为监督学习。
![](https://img-blog.csdn.net/20170731194542581?watermark/2/text/aHR0cDovL2Jsb2cuY3Nkbi5uZXQvcXFfMzk2NTI5ODc=/font/5a6L5L2T/fontsize/400/fill/I0JBQkFCMA==/dissolve/70/gravity/Center)
统计学习的目标在于从假设空间中选取最优模型。
损失函数(代价函数)用于衡量预测错误的程度。0-1损失,平均损失、绝对损失等。
![](https://img-blog.csdn.net/20170731194630836?watermark/2/text/aHR0cDovL2Jsb2cuY3Nkbi5uZXQvcXFfMzk2NTI5ODc=/font/5a6L5L2T/fontsize/400/fill/I0JBQkFCMA==/dissolve/70/gravity/Center)
经验损失是由于学习数据过程中积累的经验:
![](https://img-blog.csdn.net/20170731194811295?watermark/2/text/aHR0cDovL2<br/>9469<br/>Jsb2cuY3Nkbi5uZXQvcXFfMzk2NTI5ODc=/font/5a6L5L2T/fontsize/400/fill/I0JBQkFCMA==/dissolve/70/gravity/Center)
经验风险进行矫正:经验风险最小化,结构风险最小化。
![](https://img-blog.csdn.net/20170731194842386?watermark/2/text/aHR0cDovL2Jsb2cuY3Nkbi5uZXQvcXFfMzk2NTI5ODc=/font/5a6L5L2T/fontsize/400/fill/I0JBQkFCMA==/dissolve/70/gravity/Center)
可能会有由于模型结构复杂而造成损失过高的情况,为此引入结构风险:
![](https://img-blog.csdn.net/20170731194900816?watermark/2/text/aHR0cDovL2Jsb2cuY3Nkbi5uZXQvcXFfMzk2NTI5ODc=/font/5a6L5L2T/fontsize/400/fill/I0JBQkFCMA==/dissolve/70/gravity/Center)
![](https://img-blog.csdn.net/20170731194941591?watermark/2/text/aHR0cDovL2Jsb2cuY3Nkbi5uZXQvcXFfMzk2NTI5ODc=/font/5a6L5L2T/fontsize/400/fill/I0JBQkFCMA==/dissolve/70/gravity/Center)
从而由这两种风险定义,监督学习就定义为:
经验风险与结构风险最小的最优问题,这时,经验或结构风险函数是最优化的目标函数。
统计学习方法 李航:
Day 1:
统计学习主要是由:监督学习(supervised learning)、非监督学习、半监督学习、强化学习组成,主要应用监督学习。
监督学习,主要由数据,模型、算法组成。给定已知的输入与输出,通过其统计规律,得出其相关关系,再预测未知,即为监督学习。
P(x,y)联合概率分布,统计其分布规律,y=f(x)决策函数。
监督学习是利用训练数据集给出一个模型,再用模型对数据进行预测,由于训练数据集是由人工给出的,所以称为监督学习。
统计学习的目标在于从假设空间中选取最优模型。
损失函数(代价函数)用于衡量预测错误的程度。0-1损失,平均损失、绝对损失等。
经验损失是由于学习数据过程中积累的经验:
经验风险进行矫正:经验风险最小化,结构风险最小化。
可能会有由于模型结构复杂而造成损失过高的情况,为此引入结构风险:
从而由这两种风险定义,监督学习就定义为:
经验风险与结构风险最小的最优问题,这时,经验或结构风险函数是最优化的目标函数。
相关文章推荐
- 机器学习(统计学习方法)6【第二章.感知机】
- 机器学习系列笔记1:《统计学习》李航博士 第一章 统计学习方法概论
- 机器学习-统计学习方法概论
- 统计机器学习(1)-统计学习方法概论
- 机器学习系列——统计学习方法1:第一章
- 机器学习(统计学习方法)2
- 机器学习(统计学习方法)7 【感知机学习算法】
- 机器学习(统计学习方法)3
- 统计学习方法之第二章感知机
- 统计学习方法:k近邻法
- 统计学习方法——朴素贝叶斯
- 统计学习方法 4-朴素贝叶斯法
- 机器学习-集成学习方法
- 机器学习之统计分析(2)
- 统计学习方法
- [置顶] 【统计学习方法】 感知机Python 原始形式实现
- 统计学习方法---k近邻法
- 【机器学习数学基础之概率论与统计04】非参数估计
- 统计学习方法---
- 统计学习基础(一)监督学习方法概述