2.1 导言
这是一篇有关《统计学习基础》,原书名The Elements of Statistical Learning的学习笔记,该书学习难度较高,有很棒的学者将其翻译成中文并放在自己的个人网站上,翻译质量非常高,本博客中有关翻译的内容都是出自该学者的网页,个人解读部分才是自己经过查阅资料和其他学者的学习笔记,结合个人理解总结成的原创内容。
有关ESL更多的学习笔记的markdown文件,可在作者GitHub上查看下载。
原文 | The Elements of Statistical Learning |
---|---|
翻译 | szcf-weiya |
时间 | 2018-08-21 |
解读 | Hytn Chen |
更新 | 2020-01-05 |
翻译原文
第一章中描述的三个例子有一些共同的组成成分.每个例子中都有一个变量集,这些变量可以记作 输入变量 (inputs),可以是测量得到或者预设的.这些变量对一个或多个 输出变量 (outputs) 有影响.每个例子的目标便是利用输入变量去预测输出的值.这样的过程称之为 监督学习 (supervised learning).
我们已经使用了更现代的机器学习的语言.在统计学中,输入变量 (inputs) 通常称作 预测变量 (predictors),这是一个与输入变量等价的说法,更经典的说法是 自变量 (independent variables).在模式识别中,更倾向于采用 特征 (features) 的说法,我们也会采用这一说法.输出变量 (outputs) 被称作 响应变量(responses),或者更经典的说法是 因变量 (dependent variables).
个人解读
监督学习的输出可以是离散的也可以是连续的,这样就引申出了两类问题,分类与回归。解决两类问题最基本的方法就是线性方法,这就是第三章和第四章的内容。