这一阶段首先了解了统计学习基本概念

学习的算法有

1 感知机

2 k近邻

3 贝叶斯

4 决策树

统计学习的目的是对数据进行分析、预测。使得计算机更加智能化。主要分为监督学习和非监督学习。对于监督学习，可以通俗的理解为有标准答案，而非监督学习，没有。

监督学习通常从测试数据入手，根据数据的特征，生成一个模型，这个模型来自于假设空间，然后使用这个模型，对测试数据进行预测。如果用这个模型对原始的训练数据进行预测，根据预测结果，和原始数据标准答案进行对比，可以用来评价模型的好坏优劣！机器学习的目的在于从假设空间中选择出最优的模型。

概念

输入空间：输入的所有可能取值通常称为输入空间，用大写的x表示。通常输入空间为一系列特征值，表现为向量的形式。

输出空间：输纸的所有可能取值称为输出空间，用大写的y表示。取值可能是标记，类别，或者连续的数值。

在机器学习的监督学习当中如果输出的y的数值是连续的，那么这种学习称为回归，如果输出的数值是离散的，称为分类。

联合概率分布：同时观测到输入的x和输出的y，那么可以表明x和y之间存在一定的联系。嗯嗯，学习的模型在于，模拟这种联系或者还原这种联系。这种联合概率分布，可以通过条件概率，或者决策函数来表示，条件，概率表示，当x发生时，y发生的几率有多少？决策函数决定了对于某一个x，它可以输出的y是多少？

统计学习三要素

统计学习的过程可以由模型策略和算法三个要素组成。统计学习的目的，通常是为了生成一个概率分布，或者是决策函数，而在，假设空间中，有无限个这样的决策函数。不同函数的差异体现在参数上，模型的生成，就意味着找出这些参数。

我要找到这个最优产出的策略，一般是最小化损失函数对于分类和标记问题，模型的损失函数是零一函数，回归预测的损失函数是平方损失函数，也就是预测值与原始值的平放误差。其他的还有绝对值损失函数和对数损失函数。实际上，求解最优模型的过程就是最小化损失函数，求出其中参数的过程。

根据原始数据生成的模型，标准答案的差异，也就是经验风险。最小化经验风险，求出，对应的最优模型。但是，当样本数量很小，是，经验风险最小化的学习方法，很容易产生过度拟合的现象。因此引入了结构风险最小化的方法，也就是加入了对于模型复杂度的惩罚。

算法是模型生成，是具体的实现方法。

为了避免过度拟合，有两种方法可以选择，政策化和交叉验证，政策化是在，经验风险函数上加上一个正则项，这个正则项是模型复杂度的单调递增函数模型的复杂度越高，也意味着模型的复杂度越高，这个模型越不适合。

交叉验证是将原始数据，随机分成2到3个部分，一部分用于训练生成模型，一部分用于测试，对原始数据不断的随机划分，不断的生成模型和测试。

模型的泛化能力指的是，模型对于测试数据的预测结果非常好，同时对未知的数据也能够有很好的预测能力。否则要么是不完善，要么是过拟合。

分类模型

我在二分类问题中，定义原始数据的某一类为正，另一类为负。分类器的总体精确比率也就是损失函数，你妈，精确率表示的是预测结果为正类的，正确的概率，召回率指的是原始数据组为正的，预测结果为正的概率。

回归模型

回归模型通常用最小二乘法计算平方损失函数，来描述模型的误差。