统计学习及核方法简介.PDFVIP

  • 7
  • 0
  • 约2.49万字
  • 约 17页
  • 2018-12-30 发布于河北
  • 举报
统计学习及核方法简介.PDF

统计学习及核方法简介 sth4nth@newsmth / 后更新:2006-3-20 声明:以下内容并非原创,主要整理自已发表的论文、出版物及网上资料,如涉及版权问题 请及时与作者联系 1引论 基于数据的机器学习是现代智能技术中的重要方面。研究从观测数据 (样本)出发寻找 规律。利用这些规律对未来数据或无法观测的数据进行预测。包括 叶斯学习、神经网络等 在内,现有机器学习方法共同的重要理论基础之一大数定理:当样本数且趋近于无穷时,对 样本的估计趋近于数据的真实分布。传统统计学研究的是样本数且趋近于穷大时的渐近理 论,现有学习方法也多是基于此假设。但在实际问题中。样本数往往是有限的,因此一些理 论上很优秀的学习方法实际中表现却可能不尽人意。 与传统统计学相比,统计学习理论(Statistical Learning Theory,SLT )是一种研究有限 样本情况下统计及机器学习规律的理论。V. Vapnik 等人从六、七十年代开始致力于此方面 的研究,到九十

文档评论(0)

1亿VIP精品文档

相关文档