学习《Statistical Learning》笔记

2023-10-13 20:50

本文主要是介绍学习《Statistical Learning》笔记,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

这里写图片描述
回归问题(Refression Problem)就是预测连续性或者数量型的输出的问题。比如根据你的年龄预测你的工资,当然可以增加多个输入,像性别、工龄、教育水平等等。
这里写图片描述
分类问题(Classfication Problem)就是预测结果落在哪个同中的问题。最简单的比如预测股票市场的上涨还是下跌。
这里写图片描述
聚类问题(Clustering Problem)就是将输入根据特称分为几类,不存在输出变量。
这里写图片描述
参数化方法(Parametric Methods)就是一种通过估计已经假设的函数中的参数,从而得到估计函数的方法。(往往带来很大的噪声)
这里写图片描述
非参数化(Non-parametric Methods)就是不假设模型/公式,而是通过定义一些到样本点的度量,来预测输出值。
这里写图片描述
自由度(flexibility)越高的方法越难解释:不变量到变量,线性到非线性,都会导致自由度变高。
这里写图片描述
监督式学习(Supervised Learning):对每一次观察/样本,都有响应的输出/响应与之对应,大部分的方法都是这种学习方法。
这里写图片描述
非监督式学习(Unsupervised Learning):对应观察/样本,没有输出/响应,所做的学习是“盲“的,所以叫”非监督式学习”。比如”聚类(Clustering)”。
这里写图片描述
回归问题和分类问题区别在于数量性质和分类性质的问题。
MSE(Mean Squared Error)均方误差,公式定义如上,类似于数学期望的公式。
这里写图片描述
对于训练数据(training)来说,自由度增加,MES就会减少,但是对于验证数据(test)来说,自由度增加,MSE是一个U型曲线变哈化。
这里写图片描述
Overfitting:当采用方法时,对于training data会得出较小的MSE,但是对于test data,会得出很大的MSE的时候,这个方法就是overfitting的。
这里写图片描述
variance就是使用不同的训练数据,输出值的变化。一般来说,自由度越高,variance越大。
这里写图片描述
bias就是在建立的方法/模型/函数和实际的问题规律有偏差/错误,这个是建立的模型和真实的模型不同导致的。一般的,自由度越高,bias越小。
这里写图片描述
test error定义如上,就是用检验数据来衡量模型的准确度,输出值相等,test error不增加,输出值不等,对test error加权。对于分类模型来说,test error越小,模型越好。
这里写图片描述
贝叶斯模型是基于test error的思想,最小化test error,是一种分类模型。模型的关键,在于它是条件概率,也就是“限制某个变量固定值,其他变量随机取值(全体观察值),计算得出输出值是某个值的概率/比率要达到最大“,换句话说,就是“限制某个变量为固定值,其他变量所有排列组合中,对应的输出值,在这些排列组合个体的数目最多,那这个观察值对应的“。
这里涉及到两个问题:如何根据原来的观察数据进行归类,从而分成多个桶,进一步的问题:桶的衡量标准是?我们要观察的的是一个条件概率,也就是一个变量不变,其他变量随机变化,导致的最终条件概率变化。怎么变化呢?可以是离散的、可以是分类的、可以是连续的,但是最终这个变化要拿去和我们要预测的test数据,去匹配,也就是test数据取临近值的时候,能落入这个桶内。这个匹配怎么操作?怎么算临近?也就是其他变量的随记变化如何度量?
我们可以认定它们是连续变化的,当test值取到临近区间的时候,就认为test数据落到了这个桶内。这个临近区间可以事先进行划分,而不是每一个样本都计算一遍,事先将连续变化的数值域划分成一个个区间,好比光谱的一个个频谱带。当test数据的某个分量的值,落在某个区间,就对应到那个桶内。
这里写图片描述
K临近算法,就是围绕test数据进行分析计算的一种方法,首先它通过实现确定的距离公式,计算得出距离test数据最近的K个观察点(观察数据)。然后再为每一个桶,计算条件概率,计算方法如上,关键就是K个点中,对应的桶占了几个点。如果要提前计算桶的衡量标准,也完全可以,就是对每一个test数据可能出现的点(数据实例),都按照上面的方法事先计算一遍,确定这个实例所属的桶。在有新的test数据要预测输出的时候,只要把事先计算的桶返回就可以了。
(对variance和bias的影响:K值较小的时候,variance很大,但bias较小,K值较大的时候,variance很小,但bias较大,从而产生的预测都不好)
这里写图片描述
三种应用最广泛的分类器(模型/函数):逻辑回归(logistic regression)、线性判别分析(linear discriminant analysis)和K临近分析(K-nearest neighbors)。计算机增强型(computer-intensive)方法:广义可加模型(generalized additive models),树形(trees),随即森林(random forests),support vector machines(支持向量机)。
最大似然估计:假设既定的数据模型,围绕出现的样本,衡量模型的参数指标,让这个样本出现的可能性最大。
(定义很晦涩,简单理解下:比如这个数据模型:这里写图片描述,是给定参数:每次出现的概率w=0.2,计算10次出现的次数的概率,y是出现的次数。如果我们不知道参数,只知道出现了y次,比如y=4或者y=6,怎么估计w?很显然这个模型就是很好的估计方式,我们让w取一个值,使得这个模型计算出来的概率是最大的,反过来,这个w值也应该是最可能的,也就是说这个模型成为了衡量它自身指标的指标。如果w有多个分量,比如w1\w2\w3等等,注意,最终公式的自变量还是x,只不过x的取特定的样本值,所以无法进行相乘,作为联合概率密度来处理。对应的衡量公式中,w各个分量会同时出现,所以求最大值时,是对w的多个分量求偏导的。
但是,如果我们拿到了x的多个样本值,这些样本值又是相互独立的,那么我们在构造所谓的衡量模型的时候,就可以用相互独立的x样本值,来构造联合概率密度,让联合概率密度的值最大,从而选出最可能的w参数值。从而,我们的概率密度公式是这样:这里写图片描述 这里样本x的下标是变化的。

这篇关于学习《Statistical Learning》笔记的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/205799

相关文章

HarmonyOS学习(七)——UI(五)常用布局总结

自适应布局 1.1、线性布局(LinearLayout) 通过线性容器Row和Column实现线性布局。Column容器内的子组件按照垂直方向排列,Row组件中的子组件按照水平方向排列。 属性说明space通过space参数设置主轴上子组件的间距,达到各子组件在排列上的等间距效果alignItems设置子组件在交叉轴上的对齐方式,且在各类尺寸屏幕上表现一致,其中交叉轴为垂直时,取值为Vert

Ilya-AI分享的他在OpenAI学习到的15个提示工程技巧

Ilya(不是本人,claude AI)在社交媒体上分享了他在OpenAI学习到的15个Prompt撰写技巧。 以下是详细的内容: 提示精确化:在编写提示时,力求表达清晰准确。清楚地阐述任务需求和概念定义至关重要。例:不用"分析文本",而用"判断这段话的情感倾向:积极、消极还是中性"。 快速迭代:善于快速连续调整提示。熟练的提示工程师能够灵活地进行多轮优化。例:从"总结文章"到"用

【前端学习】AntV G6-08 深入图形与图形分组、自定义节点、节点动画(下)

【课程链接】 AntV G6:深入图形与图形分组、自定义节点、节点动画(下)_哔哩哔哩_bilibili 本章十吾老师讲解了一个复杂的自定义节点中,应该怎样去计算和绘制图形,如何给一个图形制作不间断的动画,以及在鼠标事件之后产生动画。(有点难,需要好好理解) <!DOCTYPE html><html><head><meta charset="UTF-8"><title>06

学习hash总结

2014/1/29/   最近刚开始学hash,名字很陌生,但是hash的思想却很熟悉,以前早就做过此类的题,但是不知道这就是hash思想而已,说白了hash就是一个映射,往往灵活利用数组的下标来实现算法,hash的作用:1、判重;2、统计次数;

零基础学习Redis(10) -- zset类型命令使用

zset是有序集合,内部除了存储元素外,还会存储一个score,存储在zset中的元素会按照score的大小升序排列,不同元素的score可以重复,score相同的元素会按照元素的字典序排列。 1. zset常用命令 1.1 zadd  zadd key [NX | XX] [GT | LT]   [CH] [INCR] score member [score member ...]

【机器学习】高斯过程的基本概念和应用领域以及在python中的实例

引言 高斯过程(Gaussian Process,简称GP)是一种概率模型,用于描述一组随机变量的联合概率分布,其中任何一个有限维度的子集都具有高斯分布 文章目录 引言一、高斯过程1.1 基本定义1.1.1 随机过程1.1.2 高斯分布 1.2 高斯过程的特性1.2.1 联合高斯性1.2.2 均值函数1.2.3 协方差函数(或核函数) 1.3 核函数1.4 高斯过程回归(Gauss

【学习笔记】 陈强-机器学习-Python-Ch15 人工神经网络(1)sklearn

系列文章目录 监督学习:参数方法 【学习笔记】 陈强-机器学习-Python-Ch4 线性回归 【学习笔记】 陈强-机器学习-Python-Ch5 逻辑回归 【课后题练习】 陈强-机器学习-Python-Ch5 逻辑回归(SAheart.csv) 【学习笔记】 陈强-机器学习-Python-Ch6 多项逻辑回归 【学习笔记 及 课后题练习】 陈强-机器学习-Python-Ch7 判别分析 【学

系统架构师考试学习笔记第三篇——架构设计高级知识(20)通信系统架构设计理论与实践

本章知识考点:         第20课时主要学习通信系统架构设计的理论和工作中的实践。根据新版考试大纲,本课时知识点会涉及案例分析题(25分),而在历年考试中,案例题对该部分内容的考查并不多,虽在综合知识选择题目中经常考查,但分值也不高。本课时内容侧重于对知识点的记忆和理解,按照以往的出题规律,通信系统架构设计基础知识点多来源于教材内的基础网络设备、网络架构和教材外最新时事热点技术。本课时知识

线性代数|机器学习-P36在图中找聚类

文章目录 1. 常见图结构2. 谱聚类 感觉后面几节课的内容跨越太大,需要补充太多的知识点,教授讲得内容跨越较大,一般一节课的内容是书本上的一章节内容,所以看视频比较吃力,需要先预习课本内容后才能够很好的理解教授讲解的知识点。 1. 常见图结构 假设我们有如下图结构: Adjacency Matrix:行和列表示的是节点的位置,A[i,j]表示的第 i 个节点和第 j 个

Node.js学习记录(二)

目录 一、express 1、初识express 2、安装express 3、创建并启动web服务器 4、监听 GET&POST 请求、响应内容给客户端 5、获取URL中携带的查询参数 6、获取URL中动态参数 7、静态资源托管 二、工具nodemon 三、express路由 1、express中路由 2、路由的匹配 3、路由模块化 4、路由模块添加前缀 四、中间件