李航统计学习方法(第二版)基本概念（二）：统计学习的分类

1 基本分类

1.1.监督学习

输入空间(input space )：输入所有可能取值的集合

输出空间(output space)：输出所有可能取值的集合，通常输出空间远远小于输入空间

特征空间：每个具体的输入是一个实例(instance)，通常由特征向量(feature vector)表示。这时，特征向量存在的空间称为特征空间 (feature space)

符号：

 联合概率分布：

监督学习假设输入与输出的随机变量X和Y遵循联合概率分布P(X, Y).P(X, Y)表示分布函数，或分布密度函数。
假设空间：

监督学习的目的在于学习一个由输入到输出的映射，这一映射由模型来表示。模型属于由输入空间到输出空问的映射的集合，这个集合就是假设空间

问题的形式化：

1.2.无监督学习

1.3 强化学习

1.4 半监督学习与主动学习

2 按模型分类

3 按算法分类

4 按技巧分类

标签：输出,李航,space,学习,监督,统计,空间,输入
来源： https://www.cnblogs.com/qiu-hua/p/12809149.html