1.1 统计学习

      这是我第写博客的二个阶段，上次写博客是因为想尝试一下新的事物，这次不一样。在这期间，我不但在学习我的知识，还将我学到的知识教给别人，感觉完全不一样，虽然教别人要花费更多的时间，但是我觉得我学到知识更多而且更深了，还有一些表达能力，我相信在后面会慢慢的体现出来。在统计学习方面，我觉得可能要花费60天左右大概学完，为了监督我明天都学习，所以我又来写博客了！一起加油，让我们一起进入机器学习的领域。

什么是统计学习？

• 官方定义
         统计学习 (statistical learning) 是关于计算机基于数据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。 统计学习也称为统计机器学习 (statistical machine learning)。
• 我的理解
        统计学习也就是我们经常说的机器学习，通过我们已经有的数据，统计这些数据有什么规律，从而得到一个数学模型，然后把想要预测的数据输入到这个模型里面，让这个模型来给你预测出未知的数据。
        举个例子，我们要想看看某个股票的走势，我们通过这个股票之前的数据，看看它有什么规律，然后将这些规律整合起来，变成一个模型，我们再通过这个模型来查看这个股票未来的走势，当然这只是举个例子。

统计学习的步骤

1. 得到一个有限的训练数据集合；
2. 确定包含所有可能的模型的假设空间，即学习模型的集合；
3. 确定模型选择的准则，即学习的策略；
4. 实现求解最优模型的算法，即学习的算法；
5. 通过学习方法选择最优模型；
6. 利用学习的最优模型对新数据进行预测或分析。
   

统计学习的分类

       统计学习或机器学习一般包括监督学习、无监督学习、强化学习。有时还包括半监督学习、主动学习。

接下来我们会对这些都进行学习！

参考资料：

《统计学习方法（第2版） 李航》