本文节选自李航博士《统计学习方法》第一章第三节的内容。文中将统计学习方法简单表示为如下公式。另外，后文中提及的内容主要是针对监督学习进行说明。
| 方法=模型 + 策略 + 算法 |
监督学习过程中，模型就是所要学习的条件概率分布或决策函数(即训练集到样本集的映射函数)。其假设空间包括所有可能的条件概率分布或决策函数。
策略用于帮助从假设空间中选择最优模型。此时引入损失函数和风险函数，前者是对衡量模型一侧预测的好坏，风险函数是度量平均意义下模型预测的好坏。更直观的讲应该是度量预测错误的程序。如以下常见的损失函数。
这样最优模型就是期望风险的最小化，即
实际使用过程中，仅考虑样本的影响容易造成“过拟合”现象，所以引出了结构风险最小化的概念。它是为了防止过拟合而提出的策略，结构风险最小化等价于正则化，结构风险在经验风险上加上表示模型复杂度的正则化项或罚项。在假设空间、损失函数以及训练集确定的情况下，结构风险的定义如下。
故最优模型转换为求解最优化问题。
算法指学习模型的具体计算方法。
所以，模型训练的本质是基于训练数据集，根据学习策略，从假设空间中选择最优模型，最后考虑用什么样的计算方法求解最优模型。
参考文献:
- 李航. 统计学习方法. 清华大学出版社, 2012