(精)统计机器学习.pptVIP

统计机器学习 王 珏 机器学习与人工智能 机器学习 人工智能与统计机器学习 统计机器学习 Duda Hart 统计机器学习的统计框架 发展的线索 样本数量：趋于无穷大。有限样本理论，泛化误差1-?概率成立。 线性判别，感知机：线性不可分，M.Minsky的批评。非线性算法BP，孤立事件，问题没有解决。线性空间。 损失函数：根据问题定义损失函数。 精心设计实验获得数据(手写字符识别)的理论：高维涌现的数据(网络、生物、金融)。包含多个有意义解答。 从数据建立模型：经验知识和经验模型的考虑。 统计机器学习 Valiant Vapnik Vapnik的贡献(1)---有限样本理论 Vapnik的贡献(2)---线性算法 Vapnik的贡献(3)---泛化误差界 统计机器学习 Leo Breiman 统计学简史---陈希孺 面临的现实和统计学家的思考 统计机器学习 近期的研究课题 Efron, Valiant Schapire 集群学习 加性模型的解释---投票 权值的获得---空间 近期的研究课题 对margin的批评 关键：损失函数 近期的研究课题 变量稀疏：变量选择---特征选择 特征选择 vs. 变量稀疏 LASSO 总 结 谢 谢 模式识别：减少计算量。特征选择 统计学：获得信息(相对预测),变量稀疏--变量选择 数据挖掘：描述数据(相对预测)。