第1章 統計學習及監督學習概率

統計學習是關于計算機基于數據構建概率統計建型并運用模型對數據進行預測與分析的一門學科。統計學習研究的對象是數據。

統計學習一般包括監督學習（從標注數據中學習預測模型的機器學習問題），無監督學習（從無標注數據中學習預測模型的機器學習問題），強化學習（智能系統在與環境的連續互動中學習最優行為策略的機器學期問題）。

統計學習方法都是由模型，策略和算法構成的。

統計學習方法具體采用的損失函數未必是評估時使用的損失函數。

正則化是結構風險最小化策略的實現，是在經驗風險上加一個正則化項或罰項。

監督學習的任務就是學習一個模型，應用這個模型，對給定的輸入預測相應的輸出。監督學習的應用主要在三個方面：分類問題，標注問題和回歸問題。

深度學習上手指南

文本分類

在機器學習算法中,樣本實例一般是以連續變量或離散變量的形式存在的(也稱為 特征),而在自然語言處理中一般都是文字形式。

為了便于使用機器學習方法,首先要把樣本表示為向量形式。

在自然語言處理的很多學習任務,類別 y 可以是更復雜的結構,比如多標簽、層次化以及結構化等形式。

隨著 N 的增加, 可以抽取的特征就會越多,特征空間也會呈指數增加。

總結

以上是生活随笔為你收集整理的统计学习方法（第二版）-学习笔记的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。