加载中........
×

统计模型选择的一些基本思想和方法

2018-10-31 作者:高涛   来源:MedSci原创 我要评论0
Tags: 统计  模型  

引言 有监督学习是日常使用最多的建模范式,它有许多更具体的名字,比如预测模型、回归模型、分类模型或者分类器。这些名字或来源统计,或来源于机器学习。关于统计学习与机器学习的区别已经有不少讨论,不少人认为机器学习侧重于目标预测,而统计学习侧重于机制理解和建模。个人更加直观的理解是,统计学习侧重于从概率分布来描述数据生成机制,除了预测之外,还关心结果(参数假设、误差分布假设)的检验,而机器学习侧重于从函数拟合角度来描述数据生成机制,基本目的就是为了拟合和预测,缺乏严谨的参数、误差的检验机制,比如下式:Y=f(X)+?Y=f(X)+? 统计学习目标是获取Pr(Y|X)Pr(Y|X)X,Y,?X,Y,?的分布假设,因此最后会衍生出对参数假设和误差分布的假设检验,以验证整个概率分布的假设的正确性,比如经典的线性模型、非参数回归等模型,预测能力并不是其主要目?#27169;? 而机器学习基本不会从概率分布的角度着手,虽然可能?#19981;?#28041;及X,YX,Yff,对误差的假设基本忽略,也不会涉及参数和误差的检验,模型好坏基本由预测效果来判断,同时?#19981;?#25552;供一些比较一般的误差上界,所以...

小提示:本篇资?#30563;?#22312;梅斯医学APP中开放阅读,请扫描二维码直接下载APP



版权声明:本文系梅斯MedSci原创编译整理,未经本网站授权不得转载和使用。如需获取授权,请点击

只有APP中用户,且经认证才能发表评论!马上下载

web对话
888是哪个电子游艺