第1章 統(tǒng)計學習及監(jiān)督學習概率

統(tǒng)計學習是關于計算機基于數(shù)據(jù)構(gòu)建概率統(tǒng)計建型并運用模型對數(shù)據(jù)進行預測與分析的一門學科。統(tǒng)計學習研究的對象是數(shù)據(jù)。

統(tǒng)計學習一般包括監(jiān)督學習（從標注數(shù)據(jù)中學習預測模型的機器學習問題），無監(jiān)督學習（從無標注數(shù)據(jù)中學習預測模型的機器學習問題），強化學習（智能系統(tǒng)在與環(huán)境的連續(xù)互動中學習最優(yōu)行為策略的機器學期問題）。

統(tǒng)計學習方法都是由模型，策略和算法構(gòu)成的。

統(tǒng)計學習方法具體采用的損失函數(shù)未必是評估時使用的損失函數(shù)。

正則化是結(jié)構(gòu)風險最小化策略的實現(xiàn)，是在經(jīng)驗風險上加一個正則化項或罰項。

監(jiān)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(jiān)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(xù)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(jié)構(gòu),比如多標簽、層次化以及結(jié)構(gòu)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(shù)增加。

總結(jié)

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(nèi)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(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。