- 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
原创力文档

文档评论(0)