机器学习 | 李航《统计学习方法》笔记整理之（一）统计学习方法概论

本系列为李航《统计学习方法》学习笔记整理，如下为目录：

　　（一）统计学习方法概论

　　（二）感知机

　　（三）k近邻

　　（四）朴素贝叶斯

　　（五）决策树

　　（六）逻辑斯蒂回归与最大熵模型

　　（七）支持向量机

　　（八）提高方法

　　（九）EM算法及其推广

　　（十）隐马尔科夫模型

       （十一）条件随机场

第一章 统计学习方法概论

统计学习的对象是数据，关于数据的基本假设是同类数据具备必定的统计规律性。

 · 特色：

数据独立同分布；模型属于某个假设空间（学习范围）；给定评价准则下最优预测；最优模型的选择由算法实现

1.2 监督学习

给定有限训练数据出发，假设数据独立同分布，并且假设模型属于某个假设空间，应用某已评价准则，从假设空间中选择一个最优模型，使它对已给训练数据及未知测试数据在评价标准下有最准确的预测。

· 监督学习：分类、标注（序列预测）和回归

· 概念

输入空间、特征空间和输出空间

联合几率分布

假设空间 

1.3 三要素

a. 模型

模型就是所要学习的条件几率分布（非几率模型）或决策函数（几率模型）

 

b. 策略

统计学习的目标在于从假设空间中选取最优模型。

损失函数来度量预测错误的程度，损失函数的指望是

学习目标是选择指望风险最小的模型。

 

· 学习策略（选择最优化的目标函数）：

1) 经验风险最小化

极大似然估计

2) 结构风险最小化（在经验风险上添加模型复杂度的正则化项，防止过拟合）

贝叶斯中的最大后验几率估计MAP

 

c. 算法- 最优化求解问题

1.4 模型评估与选择

训练偏差和测试偏差

过拟合

1.5 正则化与交叉验证（模型选择方法）

正则化符合奥卡姆剃刀原理；从贝叶斯估计的角度来看，正则化项对应模型的先验几率，复杂的模型具备较大先验几率。

交叉验证：简单、S折和留一交叉验证；

1.6 泛化能力

若是学到的模型是f，那么对未知数据的预测偏差为泛化偏差（指望风险）：

对于二分类问题，训练偏差小的模型，泛化偏差也会小？

1.7 生成模型与判别模型

生成方法(generative approach) 由数据学习联合几率分布P(X,Y)，而后求出条件几率分布P(Y|X)做为预测的模型 P(Y|X) = P(X, Y)/ P(X)

模型给定了输入X产生输出Y的生成关系。典型的有朴素贝叶斯和隐马尔可夫

 

判别方法（discriminate approach）由数据直接学习决策函数或条件几率分布。典型的有k近邻，感知机，决策树，最大熵，SVM等