加載中........
×

統計模型選擇的一些基本思想和方法

2018/10/31 作者:高濤   來源:MedSci原創 我要評論0
Tags: 統計  模型  

引言 有監督學習是日常使用最多的建模范式,它有許多更具體的名字,比如預測模型、回歸模型、分類模型或者分類器。這些名字或來源統計,或來源于機器學習。關于統計學習與機器學習的區別已經有不少討論,不少人認為機器學習側重于目標預測,而統計學習側重于機制理解和建模。個人更加直觀的理解是,統計學習側重于從概率分布來描述數據生成機制,除了預測之外,還關心結果(參數假設、誤差分布假設)的檢驗,而機器學習側重于從函數擬合角度來描述數據生成機制,基本目的就是為了擬合和預測,缺乏嚴謹的參數、誤差的檢驗機制,比如下式:Y=f(X)+?Y=f(X)+? 統計學習目標是獲取Pr(Y|X)Pr(Y|X)X,Y,?X,Y,?的分布假設,因此最后會衍生出對參數假設和誤差分布的假設檢驗,以驗證整個概率分布的假設的正確性,比如經典的線性模型、非參數回歸等模型,預測能力并不是其主要目的; 而機器學習基本不會從概率分布的角度著手,雖然可能也會涉及X,YX,Yff,對誤差的假設基本忽略,也不會涉及參數和誤差的檢驗,模型好壞基本由預測效果來判斷,同時也會提供一些比較一般的誤差上界,所以...

小提示:本篇資訊僅在梅斯醫學APP中開放閱讀,請掃描二維碼直接下載APP



版權聲明:本文系梅斯MedSci原創編譯整理,未經本網站授權不得轉載和使用。如需獲取授權,請點擊

只有APP中用戶,且經認證才能發表評論!馬上下載

web對話
888是哪个电子游艺