统计学习理论 发表评论(0) 编辑词条

统计学习理论是针对小样本情况研究统计学习规律的理论，是传统统汁学的重要发展和补充，为研究有限样本情况下机器学习的理论和方法提供了理论框架，其核心思想是通过控制学习机器的容量实现对推广能力的控制。在这一理论中发展出的支持向量机方法是一种新的通用学习机器，较以往方法表现出很多理论和实践上的优势。

1.机器学习

2.函数估计

3.模式识别

4.信息处理

5.人工智能

6.统计研究

从对稀疏数据的多元函数逼近理论出发，利用当代统计学习理论的观点，重点研究有监督的学习问题。开发一些基本工具，例如正则化（包括用于回归和分类的支持向量机）。同时利用稳定性和VC理论推导泛化界。讨论某些主题，如提升和特征选择。介绍几个领域中的应用，如：计算机视觉，计算机图形学，文本分类以及生物信息学。规划了与该课程所介绍技术同步发展的最终课程项目、实践应用及练习。

1.稳定性理论

2.VC维理论

3.正则化方法