統計学習データに基づいて確率統計モデルを構築し、それをデータの予測や分析に使用することは、統計的機械学習とも呼ばれます。

統計学習の前提は、データの基本的な仮定が類似したデータであり、データに基づいて一定の統計的規則性を持っているということです。データから始めて、データの特徴を抽出し、データのモデルを抽象化し、ルールを発見し、見つけます。予測関数を取り出して問題を解くのは、どのようなモデルをどのように学習するかを検討することです。

統計学習はデータ駆動型の科目であり、確率論、統計、情報理論、コンピューティング理論、最適化理論、コンピュータサイエンスを統合する学際的な科目です。

統計学習の3要素

• モデル: 生成モデルと判別モデルの選択。これら 2 つのモデルの違いは、生成モデルはソース データの同時確率分布を見つけること、判別モデルは条件付き確率を見つけることであるということです。決定関数。
• 戦略: 適切な損失関数またはリスク関数を選択します。つまり、目的関数を選択します。
• アルゴリズム: 勾配降下法、ニュートン法/準ニュートン法、ラグランジュ法、その他の最適化アルゴリズムを含みます。