一、統計學習方法步驟

1. 得到一個有限的訓練數據集合
2. 確定學習模型的集合-假設空間
3. 確定模型選擇的準則-策略
4. 實現求解最優模型的算法-算法
5. 通過學習方法選擇最優模型
6. 利用學習的最優模型對新數據進行預測或分析

二、統計學習方法分類

三、統計學習的基本分類（監督學習，無監督學習，強化學習）

3.1監督學習

監督學習是指從標注數據中學習預測模型的機器學習問題，其本質是學習輸入到輸出的映射的統計規律。

3.1.1相關概念

• 輸入空間（Input Space）：輸入的所有可能取值的集合。
• 實例（Instance）：每一個具體的輸入就是一個實例，通常由特征向量（Feature Vector）表示。
• 特征空間（Feature Space）：所有特征向量存在的空間。
• 輸出空間（Output Space）：輸出的所有可能取值的集合。

根據變量類型不同可分為以下問題：

• 輸入變量與輸出變量均為連續變量的預測問題-----------回歸問題
• 輸出變量為有限個離散變量的預測問題--------------------分類問題
• 輸入變量與輸出變量均為變量序列的預測問題-----------標注問題

3.1.2符號表示

3.2無監督學習

無監督學習是指從五標注數據中學習預測模型的機器學習問題，其本質是學習數據中的統計規律或潛在結構。

監督學習與無監督學習對比

3.2.1相關概念

學習參考鏈接：1.2 統計學習的基本分類——無監督學習和強化學習_嗶哩嗶哩_bilibilihttps://www.bilibili.com/video/BV1No4y1o7ac?spm_id_from=333.788.player.switch&vd_source=90c4af5a77af61e3c51cdb5f018cca32&p=3