版权声明:本文为博主原创文章,未经博主允许不得转载。 https://blog.csdn.net/u011240016/article/details/84765443
假设我们有p
个特征,
,观察变量
和这些特征是否存在某种关联。我们先假设它们之间存在着一些关联,令:
,则:
这里的f
是不可知的,如果可知的话,还要机器学习干嘛,学习的目标是成长,是去追求。而如果追求的胜利果实已经在手,则再耗费精力学习出什么东西来,实无必要。
这里的 是随机误差,且独立于 ,均值为0.
这里说的东西,其实从最简单的开始演化会更加容易理解:
,这里的 都是实数,意思是说,输入就一个变量,现在想知道 和这个单输入的关系。
上面这个是我们非常熟悉的模型,现在,输入不止一个变量,于是模型就成了:
本质上说,统计学习指代的是一系列估计 的方法。那么围绕着估计 的过程,我们会涉及到:
- 一些关键理论
- 评估模型好坏的工具
理论能够指引我们前进的方向,评估工具是我们反思并再改进的倚仗。
END.