有一个公众号叫 “夕小瑶的卖萌屋” ，这位公众号推荐说 李航的《统计学习方法》是一门基础课。因此我从网上找了找资源 ，着手去看了。觉得写得确实很棒。
首先，以前看机器学习理论总是单独看，分着看，觉得关联规则就是关联规则，神经网络就是神经网络。但是这本书能让我有着一种想法，就是将整个机器学习串联起来。
首先什么是统计学习呢，统计学习也称作统计机器学习。按照百度百科的意思就是从统计学的角度上，发展起来的机器学习理论。
统计学习三要素
在本书中，将统计学习建模过程概括为三个要素。模型，策略，算法。
模型：不同的模型功效不一样
策略：
损失函数：也叫做代价函数，这个比较熟悉了，比如普通最小二乘回归中用的均方误差就是损失函数，或者信息熵等等。
风险函数：就是损失函数的期望值，也可以叫做期望损失。定义如下：
这里面的L就是损失函数，p就是x与y 的联合分布。。意思就是如果知道联合分布之后就能够知道风险函数了。 但是这不可能啊，知道联合分布了，求边际分布很容易就求出来了，然后求条件概率不就求出来了么，所以说这个想法行不通。
由于以上的策略行不通，所以又想了个策略。根据大数定律，无穷样本的均值就是期望值。但是现实中也不可能有无穷的样本，所以说对这个方法需要改进才能使用。所以自然而然就想到了经验风险最小。
当样本量足够大时，极大似然估计就是经验风险最小化的一个例子。但是当样本量很小的时候，经验风险最小化就容易产生过拟合现象。
结构风险最小化是为了防止过拟合而提出来的策略。结构风险最小化等价于正则化。就是加入正则化项或者叫惩罚项。当然正则项人们都知道有第一范数和第二范数，，之后用时候再说吧。
算法：算法是指学习模型的具体计算方法。
模型评估与模型选择
对于模型的评估，在这本书里仅仅说了用训练误差和测试误差来对模型进行评估，其实我到现在也是只知道这种方法对模型进行评估，看误差大不大，，最多就是画一个交叉图，离散数据的话查看数据分类的正确率。
对于模型的选择，由于训练模型存在过拟合问题，所以可能需要加上一个正则项，，或者交叉验证。
正则项与交叉验证
正则项有两种范数两种范数
根据奥卡姆剃刀原则：在所有可能选择的模型中，能够很好的解释已知数据并且十分简单才是最好的模型，也就是 应该选择的模型。
交叉验证：
如果数据充足，将模型分为三个部分，训练集、验证集和测试集。
如果数据不充足，有三种方法可以使用。简单交叉验证，S折交叉验证，留一交叉验证
简单交叉验证：最简单的将数据几几开，分为训练集与测试集。然后对模型进行评估
S折交叉验证：将数据分为S个互不相交的大小相同的子集，然后利用S-1个子集数据进行模型训练。利用余下的子集测试模型。将这一个过程重复进行，最后选出测试误差最小的模型
留一交叉验证： 就是极值的将数据分为N个样本集，用S折交叉验证的方法，意思就是每个样本就是一个数据集。进行交叉验证，这种方法是在数据缺乏的情况下使用的。
ojbk，第一章完事了。泛化能力这一章搞得不是很懂，以后再说吧，坑是自己挖的，，以后慢慢补。其他章没什么好说的，都是基础。不说了
2018-8-20 21:09