Article May 13, 2019

统计笔记 ep.1

Words count 1.1k Reading time 1 mins. Read count 0

符号

  • $H$ : Hilbert space 即完备的内积空间,也就是说一个带有内积的完备向量空间
  • $N$ : 样本容量
  • $F$ : 假设空间
  • $||·||_1$ : L1范数( $||x||_1 = \sum|x|$)
  • $||·||_2$ : L2范数( $||x||_2 = \sqrt{ \sum x^2}$)
  • $x_i^{(j)}$ : 输入向量$x_i$的第$j$分量
  • $J(f)$ : 模型的复杂度
  • $R_{emp}$ : 经验风险或经验损失
  • $R_{exp}$ : 风险函数或期望损失
  • $L$ : 拉格朗日函数/损失函数
  • $\eta$ : 学习率
  • $(x\cdot x^{‘})$ : 两向量内积
  • $H(X) or H(P)$ : 熵
  • $H(Y|X)$ : 条件熵
  • $S$ : 分离超平面
  • $a = (a_1,a_2,a_3,…,a_n)^T$ : 拉格朗日乘子,对偶问题变量
  • $K(x,z)$ : 核函数
  • $sign(x)$ : 符号函数
  • $I(x)$ : 指示函数
  • $Z(x)$ : 规范化因子

Unit1 统计学习方法概论

统计学习:

  • supervised learning
  • unsupervised learning
  • semi-supervised learning
  • reinforcement learning

监督学习

0%