统计机器学习:
1)以数据(以离散数据为主)为研究对象,是数据驱动的学科。它从数据出发,提取数据的特征,抽象出数据的模型,发现数据中的知识,又回到对数据的分析与预测中去!(关于数据的假设是同类数据具有一定的统计规律性,这是统计学习的前提。)
2)目的是对数据进行预测与分析(通过构建概率统计模型实现)
3)以方法为中心,方法用以构建模型并应用模型进行分析 - - 监督学习、无监督学习、半监督学习、强化学习
方法包括:模型的假设空间、模型选择的准则、模型学习算法 - - - 统称为三要素:模型 model 、策略 strategy 和 算法 algorithm
Herbert A. Simon对“学习”下的定义:如果一个系统能够通过执行某个过程改进它的性能,这就是学习。