生物信息学 普通高等教育 “十二五”规划教材 生物信息学 Bioinformatics e00 第十章：统计学习与推理
第十章：统计学习与推理 普通高等教育 “十二五”规划教材 生物信息学 Bioinformatics
第一节统计学习与推理基础 一、fisher经典参数统计理论 fisher把判别分析、回归分析和密度估计问题等表达 为特定参数化模型的参数估计问题，并提出了估计 所有模型未知参数的方法—最大似然法
第一节 统计学习与推理基础 一、fisher经典参数统计理论 fisher把判别分析、回归分析和密度估计问题等表达 为特定参数化模型的参数估计问题，并提出了估计 所有模型未知参数的方法——最大似然法
二、经典非线性法 ANN (artificial neural network) 6 5 4 ① C ① 3 D 2 1 1 2 3 4 5
二、经典非线性法 ANN（artificial neural network）
三、小样本统计学习理论 (一)VC维 (二)推广性的界 对各种类型的函数集，统计学习理论系统地研究了 其经验风险与期望风险之间的关系，即推广性的界。 (三)结构风险最小 (四)小样本与转导推理
三、小样本统计学习理论 （一）VC维 （二）推广性的界 对各种类型的函数集，统计学习理论系统地研究了 其经验风险与期望风险之间的关系，即推广性的界。 （三）结构风险最小 （四）小样本与转导推理
四、基于概率的方法 基于概率的方法主要包括贝叶斯(Byes)推理及 隐马尔可夫模型(hidden Markov model,,HMM), 其中贝叶斯推理需利用来源于经验和历史资料 的先验信息
四、基于概率的方法 基于概率的方法主要包括贝叶斯(Bayes)推理及 隐马尔可夫模型(hidden Markov model,HMM)， 其中贝叶斯推理需利用来源于经验和历史资料 的先验信息