统计学习方法概论---（1）

最近在看李航的统计学方法这本书。之前第一次看得时候，看到公式以及叙述感觉很枯燥，随便翻了几页就搁置了。但前天（2017/09/16）又拿起这本书，首先是自己竟然能静下心看得进去，并且能理解，也能联想到吴恩达讲的机器学习内容。之前随手把笔记写在本子上，有一些不足就是易丢失，出门翻阅不方便，所以在八哥（八哥的博客，可以多来转转）的建议下，重新拾起CSDN。慢慢把读书心得以及个人认为很有必要的知识点逐一记录整理。今天就先从统计学方法最基本的概念入手，先有整体认识。其他的知识点，后续整理。

1.统计学习概念：

统计学习是计算机基于数据结构 构建概率统计模型，并运用模型对数据进行预测与分析的一门学科。（李航《统计学方法》）
也即是统计机器学习。

2.统计学习主要特点

1. 以计算机网络为平台
2. 以数据为对象
3. 目的：对数据进行分析和预测
4. 以方法为中心，构建模型且用模型进行预测和分析。
5. 概率论，统计学，信息论，计算机理论多领域交叉学科。

3 .研究对象：数据。提取数据特征，抽象数据模型，学习数据中的知识，又运用模型到数据分析和预测。

4.目的：对数据进行分析和预测。尤其是对未知新数据进行分析和预测。
统计学习总的目的：学习何种模型，如何学习模型。在提高分析和预测准确率的前提下，尽可能提高学习效率。

5.有监督学习，非监督学习，半监督学习，强化学习等组成。

统计学习方法 主要讨论监督学习。
在此前提下，可简单概括为：从已经给定，有限的，用于学习的training set 出发，假设数据独立同分布，由一个评价准则从假设空间选取一个最优模型，并用来对training set 和未知数据，在评价准则下，给出最优预测。

6.统计学习方法三要素
1. 模型：假设空间
2. 策略：确定模型选择准则
3. 算法：求解最优模型

7.实现统计学方法步骤：
（1）. 给定一有限的训练集training set
（2）. 确定假设空间，也就是学习模型的集合
（3）. 确定模型选择准则
（4）. 实现求解最优模型
（5）. 运用最优模型，对未知数据进行预测or分析。

参考文献：
李航《统计学习方法》