Теория статистического обучения

Материал из MachineLearning.

(Различия между версиями)
Перейти к: навигация, поиск
м (викификация)
м (оформление)
 
Строка 1: Строка 1:
'''Теория статистического обучения''' (Statistical Learning Theory, SLT) изучает методы построения и анализа алгоритмов, обучаемых по прецедентам. Основные направления исследований — получение оценок [[обобщающая способность|обобщающей способности]] и проблема [[переобучение|переобучения]], разработка новых методов обучения. Почти то же самое, что [[теория вычислительного обучения]] (Computational Learning Theory, COLT).
'''Теория статистического обучения''' (Statistical Learning Theory, SLT) изучает методы построения и анализа алгоритмов, обучаемых по прецедентам. Основные направления исследований — получение оценок [[обобщающая способность|обобщающей способности]] и проблема [[переобучение|переобучения]], разработка новых методов обучения. Почти то же самое, что [[теория вычислительного обучения]] (Computational Learning Theory, COLT).
-
Термин SLT употребляют вместо COLT, как правило, чтобы дистанцироваться от проблем [[Вычислительная сложность|вычислительной сложности]](computational complexity), которые рассматривались совместно с проблемами обучаемости в [[Теория Валианта|теории Валианта]]. Ценность такого объединения сомнительна. В последнее время термин SLT стал употребляться относительно чаще.
+
Термин SLT употребляют вместо COLT, как правило, чтобы дистанцироваться от проблем [[Вычислительная сложность|вычислительной сложности]] (computational complexity), которые рассматривались совместно с проблемами обучаемости в [[Теория Валианта|теории Валианта]]. Ценность такого объединения сомнительна. В последнее время термин SLT стал употребляться относительно чаще.
Термин '''статистическое обучение''' (Statistical Learning) употребляют как синоним [[машинное обучение|машинного обучения]] (Machine Learning).
Термин '''статистическое обучение''' (Statistical Learning) употребляют как синоним [[машинное обучение|машинного обучения]] (Machine Learning).

Текущая версия

Теория статистического обучения (Statistical Learning Theory, SLT) изучает методы построения и анализа алгоритмов, обучаемых по прецедентам. Основные направления исследований — получение оценок обобщающей способности и проблема переобучения, разработка новых методов обучения. Почти то же самое, что теория вычислительного обучения (Computational Learning Theory, COLT).

Термин SLT употребляют вместо COLT, как правило, чтобы дистанцироваться от проблем вычислительной сложности (computational complexity), которые рассматривались совместно с проблемами обучаемости в теории Валианта. Ценность такого объединения сомнительна. В последнее время термин SLT стал употребляться относительно чаще.

Термин статистическое обучение (Statistical Learning) употребляют как синоним машинного обучения (Machine Learning).

Ссылки

Литература

  1. Hastie, T., Tibshirani, R., Friedman, J. The Elements of Statistical Learning, 2nd edition. — Springer, 2009. — 533 p.  (подробнее)
Личные инструменты