Page 126 - 大数据背景下网络安全问题研究
P. 126
大数据背景下网络安全问题研究
Research on Network Security Issues under the Background of Big Data
（2）直接采用数学方法的机器学习
主要有统计机器学习，统计机器学习是基于对数据的初步认识以及学习目的的分
析，选择合适的数学模型，拟定超参数，并输入样本数据，依据一定的策略，运用合
适的学习算法对模型进行训练，最后运用训练好的模型对数据进行分析预测。
统计机器学习三个要素：
模型（model）：模型在未进行训练前，其可能的参数是多个甚至无穷的，故可
能的模型也是多个甚至无穷的，这些模型构成的集合就是假设空间。
策略（strategy）：即从假设空间中挑选出参数最优的模型的准则。模型的分类
或预测结果与实际情况的误差（损失函数）越小，模型就越好。那么策略就是误差
最小。
算法（algorithm）：即从假设空间中挑选模型的方法（等同于求解最佳的模型参
数）。机器学习的参数求解通常都会转化为最优化问题，故学习算法通常是最优化算
法，如最速梯度下降法、牛顿法以及拟牛顿法等。
2.基于学习方法的分类
一是归纳学习：①符号归纳学习：典型的符号归纳学习有示例学习、决策树学
习。②函数归纳学习（发现学习）：典型的函数归纳学习有神经网络学习、示例学
习、发现学习、统计学习。
二是演绎学习。
三是类比学习：典型的类比学习有案例（范例）学习。
四是分析学习：典型的分析学习有解释学习、宏操作学习。
3.基于学习方式的分类
（1）监督学习（有导师学习）
输入数据中有导师信号，以概率函数、代数函数或人工神经网络为基函数模型，
采用迭代计算方法，学习结果为函数。
（2）无监督学习（无导师学习）
输入数据中无导师信号，采用聚类方法，学习结果为类别。典型的无导师学习有
发现学习、聚类、竞争学习等。
（3）强化学习（增强学习）
以环境反馈（奖/惩信号）作为输入，以统计和动态规划技术为指导的一种学习
方法。
4.基于数据形式的分类
（1）结构化学习
以结构化数据为输入，以数值计算或符号推演为方法。典型的结构化学习有神经
• 114 •
