From dea6273328a2443432d809fa77c14290933d6202 Mon Sep 17 00:00:00 2001 From: benjas <909336740@qq.com> Date: Tue, 6 Apr 2021 16:15:40 +0800 Subject: [PATCH] Delete README.md --- .../李航——统计学习方法/README.md | 248 ------------------ 1 file changed, 248 deletions(-) delete mode 100644 机器学习算法理论及应用/李航——统计学习方法/README.md diff --git a/机器学习算法理论及应用/李航——统计学习方法/README.md b/机器学习算法理论及应用/李航——统计学习方法/README.md deleted file mode 100644 index 1a22a37..0000000 --- a/机器学习算法理论及应用/李航——统计学习方法/README.md +++ /dev/null @@ -1,248 +0,0 @@ -# README - -## 李航——统计学习方法 - -### 知识树 - -![1617682217280](assets/1617682217280.png) - -> 苹果表示比较重要的 - - - -### 监督学习 - -Supervised learning - -#### 监督学习的实现步骤： - -1. 得到一个有限的训练数据集合 -2. 确定模型的假设空间，也就是所有的备选模型 -3. 确定模型选择的准则，即学习策略 -4. 实现求解最优模型的算法 -5. 通过学习方法选择最优模型 -6. 利用学习的最优模型对新数据进行预测或分析 - -![1617682530100](assets/1617682530100.png) - -> 告诉它哪些东西是好的，哪些东西是坏的，它依据这些来学习 - -比如下面的例子： - -![1617682680722](assets/1617682680722.png) - -> 根据是否招女孩子喜欢的一些特征，来推导其它未知的数据是否招女孩子喜欢，而无监督学习是没有是否招女孩子喜欢这个标签，可能会采取一些聚类的方法，比如把身高聚的时候，高的一堆，矮的一堆，成绩高的一堆低的一堆，以得到类似的结果。 - -按照常理来讲有监督学习肯定比无监督学习好，但现实生活中，有监督学习需要标注，也就是要大量的人力成本，而无监督数据的获取往往是最低成本的。 - - - -### 统计学习三要素 - -Element of statistical learning - -#### 模型（假设空间） - -> 假设所有的点都在空间中，每个点是一个模型或者函数 - -决策函数：![1617683176867](assets/1617683176867.png) - -> f(x)：把所有的函数假设为f(x) -> -> θ：f(x)里头的参数，用来确定模型 - -条件概率分布：![1617683208582](assets/1617683208582.png) - -策略： - -> 怎么确定θ的参数，让模型知道是否预测错了，错的偏差有多大 - -0-1损失函数 - -![1617683506221](assets/1617683506221.png) - -> 预测相同为0，否则为1，得继续努力，但这样有个很明显的缺陷，就是它只知道错了，但是不知道错在哪里 - -平方损失函数 - -![1617683522014](assets/1617683522014.png) - -> 弥补上面的缺陷，告诉它差距有多大，相等则不需要 - -绝对损失函数 - -![1617683540364](assets/1617683540364.png) - -> 防止小于0的情况，即Y-f(x)小于0，相当于非常非常好，这显然是不对的，所以加入绝对值，要么大于0，要么小于0 - -对数损失函数 - -![1617683559768](assets/1617683559768.png) - -> 让为0的概率越来越大，让为1的概率越来越小 - -经验风险最小化： - -![1617691844212](assets/1617691844212.png) - -> 对每个样本跑一遍，将所有的loss平均计算，loss越大表示离真实的越大，loss越小说明里真实越接近，模型也越好 - -结构风险最小化： - -![1617691949906](assets/1617691949906.png) - -> 加入正则项，防止过拟合，也就是模型过于复杂，过于只适合当前数据，导致预测其它数据的时候很差（泛化能力）。 - -算法：挑选一个合适的算法，使得可以求解最优模型 - - - -### 模型评估与选择 - -Model evaluation and model selection - -训练误差： - -![1617692106744](assets/1617692106744.png) - -> 对所有训练数据的结果做一个平均，误差越大模型可能越大。但如果以训练集来评估，就想考试一样，如果考试题目平时已经见过，当然能做出来，要解决的是平均没见过的类似题目。 - -测试误差： - -![1617692141368](assets/1617692141368.png) - -> 利用测试集去测试模型的训练情况。 - -验证集：我们通常来讲，会挑选测试集表现最好的，但是也有总可能就是测试集刚好和训练集的“题目”类似，那它当然能表现的好，这时候就需要引入验证集。我们一般选择验证集表现最好的模型。 - -多项式拟合问题： - -![1617692653540](assets/1617692653540.png) - -> 左上欠拟合严重，右上欠拟合，左下拟合正常，右下过拟合。实际中怎么判断过拟合，即训练集上误差非常低，但是在其它数据集上的误差非常高，一般就是过拟合。 - - - -### 正则化与交叉验证 - -Regularization and cross validation - -防止过拟合 - -最小化结构风险： - -![1617692872918](assets/1617692872918.png) - -交叉验证： - -数据集随机划分为以下3部分： - -- 训练集：模型的训练 -- 测试集：模型的选择 -- 验证集：模型的评估 - -![1617692942593](assets/1617692942593.png) - - - -### 泛化能力 - -Generalization ability - -定理1.1泛化误差上界 - -对于二分类问题，当假设空间是有限个函数的集合F = {f1,f2,...,fd}时，对任意一个函数f ∈ F，至少以概率1 - δ，以下不等式成立：![1617693142642](assets/1617693142642.png) - -其中， - -![1617693201106](assets/1617693201106.png) - -> 即以某种依据来确定模型是否具备泛化能力。但现实生活中这个是非常难实现的，问题在于有限个，而这个有限，在我们实际操作中是不可能知道是有限个的。 - - - -### 生成模型与判别模型 - -Generative model and discriminant model - -生成方法：![1617695077923](assets/1617695077923.png) - -> P(Y|X)：表示PX条件下，Y的概率 - -判别方法：![1617695090214](assets/1617695090214.png) - -例子：如何知道女孩子的姓名呢？ - -生成方法：我要是把她爸妈建模出来，直接问她爸妈不就行了吗？ - -判别方法：她叫小红的概率是多少？她叫小刘的概率是多少？ - - - -### 分类问题 - -Classification - -TP——将正类预测为正类数； - -FN——将正类预测为负类数； - -FP——将负类预测为正类数； - -TN——将负类预测为负类数； - -精确率：预测为正类的样本中有多少分对了； - -![1617695936634](assets/1617695936634.png) - -召回率：在实际正类中，有多少正类被模型发现了 - -![1617695964734](assets/1617695964734.png) - -F1值： - -![1617695979979](assets/1617695979979.png) - -![1617695988131](assets/1617695988131.png) - -一般会配合一个混淆矩阵： - -![1617696087388](assets/1617696087388.png) - - - -### 标注问题 - -Tagging - -输入： - -x = (x1, x2, ..., xn) T - -y = (y1, y2, ..., yn) T - - - -### 回归问题 - -Regression - -输出一个连续的值，不是0/1这种固定值 - - - -## 总结 - -Summarization - -1. 统计学习路线：设计模型->训练->预测 -2. 监督学习与非监督学习的联系与区别 -3. 统计学习三要素：模型、策略、算法 -4. 模型的评估：训练误差、验证误差、测试误差 -5. 正则化与交叉严重 -6. 泛化能力：泛化误差上界 -7. 生成模型与判别模型的联想与区别 -8. 分类问题：准确率、精确率、召回率、F1值 -9. 标准问题 -10. 回归问题：输出为连续的值 -