什么是统计学习？
统计学习方法 = 模型+策略+算法
模型指的是最后要学到一个条件概率分布或决策函数
策略指的是用什么准则选取最优的模型
比如选择损失函数（0-1损失，平方损失，绝对损失，均方损失）
算法指的是求解最优化问题的方法
什么是过拟合？过拟合一般的解决方法？
过拟合指的是模型在训练集表现很好，在测试集却很差。
解决方法
1. L1正则和L2正则：在模型中加入刻画模型复杂度的指标，即原损失函数上加上惩罚项
- L1正则化的模型叫做Lasso回归，L2正则化的模型叫做Ridge回归
- L1正则化是指权值向量w中各个元素的绝对值之和，L2正则化是指权值向量w中各个元素的平方和然后再求平方根
- L1 正则会让参数变稀疏（即会有更多的参数变成0），L2不会，故L1可用于特征选择
- 为什么？图像上，L1正则是正方形，L2正则是圆形。L1正则的往往取到正方形顶点，即有很多参数为0
（J0与这些顶点接触的机率会远大于与L其它部位接触的机率，而在这些顶点上，会有很多权值等于0）
2.Dropout
dropout是指在深度学习网络的训练过程中，对于神经网络单元，按照一定的概率将其暂时从网络中丢弃。注意是暂时，对于随机梯度下降来说，由于是随机丢弃，故而每一个mini-batch都在训练不同的网络。
故dropout也可以防止过拟合
生成模型与判别模型
生成方法由数据学习联合概率分布P(X,Y)，然后求出条件分布P(Y|X)
典型的生成模型有：logistic回归，朴素贝叶斯和隐马尔科夫模型
判别方法是由数据直接学习得到决策函数或条件概率分布
典型的判别模型有：k近邻法，感知机（perceptron）、决策树、LR、最大熵模型、SVM、提升方法、条件随机场等
感知机
感知机是一个二分类线性分类器，求得一个线性分离超平面
损失函数
采用随机梯度下降（SGD）
随机梯度下降法：随机采样一些数据计算损失，然后极小化损失，而不是计算整个训练集的损失
算法原理
对偶形式
基本想法：将w 和b 表示为实例xi 和标记yi 的线性组合的形式，通过求解其系数而求得w 和b
一个误分类点更新一次参数，假设更新n次，故得其对偶形式
算法描述
对偶形式好处：对偶形式中训练实例仅以内积的形式出现，故可以预先计算训练集实例间的内积并以矩阵形式存储，好处就是方便计算….
支持向量机（SVM）
线性支持向量机与硬间隔最大化
二分类模型，与perceptron区别在于：间隔最大。 perceptron的解有无数多个，而SVM要求间隔最大，故解唯一
训练数据线性可分时，学习一个线性分类器，又称为硬间隔支持向量机
训练数据近似线性可分时，学习一个线性分类器，又称为软间隔支持向量机
训练数据线性不可分时，使用核技巧及软间隔最大化，得到非线性支持向量机
函数间隔
然后将所有点代入，取max(y~)
几何间隔
两者关系
函数间隔将参数规范化后即得几何间隔
几何间隔最大化
表示为以下的优化问题
每一个训练样本的几何间隔至少是γ
函数间隔γ^取值不影响问题的解，故γ^取1
max(1/w) 可转化成 min(1/2*w^2)
算法描述
对偶问题
优点
对偶问题往往更容易求解
自然引入核函数，进而可推广到非线性分类问题
算法描述
KKT条件
线性支持向量机与软间隔最大化
近似线性可分：即大部分数据还是线性可分的，只有在一些特异点无法分开
解决方法：对每个样本点引入一个松弛变量
目标问题变成：
对偶问题
对偶形式
软间隔的对偶问题和对偶形式与硬间隔的基本类似
非线性支持向量机与核函数
线性不可分解决思路：
首先使用一个变换将原空间的数据映射到新空间，然后在新空间里用线性分类学习方法从训练数据中学习分类模型
一个简单粗暴的映射方法是将每个多项式抽象成一个维度，这样会导致维度爆炸问题
这时候就要引入核函数，核函数“刚好”能产生前一种相同的多项式结果
对偶问题的目标函数变成：
核函数神奇在于
不需要先计算映射到高维空间后的值，再两两做内积，而是可以直接计算出高维空间的内积值
可以预先在低维的空间进行计算，而将实质上的分类效果表现在高维上，即避免了在高维上做运算
核函数的选取需要凭经验选取
常用核函数
3.字符串核函数
核函数不仅可以定义在欧氏空间上，还可以定义在离散数据上。字符串核是定义在字符串集合上的核函数，字符串核函数在文本分类、信息检索、生物信息学方面都有应用…..
算法描述
序列最小最优化算法（SMO）
SMO是一种实现SVM 的算法，由于求解SVM涉及的是一个优化求解问题,所以需要一个算法来高效求解该问题……