统计学习方法：
1、得到一个有限的训练数据集合。
2、确定学习模型的集合——————模型。
3、确定模型选择的准则——————策略。
4、实现求解最优模型的算法————算法。
5、通过学习方法选择。
6、利用学习的最优模型对新数据进行预测或分析。
基本分类：
1、监督学习：都是已经标注过的数据。
2、无监督学习：数据没有标注。
3、半监督学习：数据只含有少量标注。
4、主动学习：选取有用的实例进行标注，通过较小的标注代价，实现较好的学习效果。
按照模型分类：
1、概率模型：条件概率分布表达。
2、非概率模型：函数形式表达。
3、线性模型：模型函数是线性的。
4、非线性模型：模型函数是非线性的。
5、参数化模型：有限维参数刻画，简单模型。
6、非参数化模型：参数维度不固定，复杂现实问题。
学好统计学方法如下：
1、在学习统计学之前要先学好高等数学和线性代数。高等数学的书籍有很多，而统计学里主要用到的是高等数学中级数，极限，导数，函数，积分方面的知识，在看书时只要着重这些方面就可以了。
2、线性代数主要的运用就是在于矩阵的知识点，主要是矩阵的转置，矩阵的秩，矩阵运算这三个方面。高等数学和线性代数的书籍网上有很多，找那些985大学出版的就行。
3、当有了这些知识之后，基本上掌握了统计学的计算的技能，接下来是概率的基本知识，概率方面主要要掌握的是泊松分布，二项分布，0-1分布，正态分布，伯努利分布，不二项分布，超几何分布，指数分布，以及独立性，概率计算的知识。
4、概率论的书最好找山大或者上交这样大学出版的书籍，容易非数学系的人理解。这些都学好了以后就可以去学习统计学了。统计学的知识主要在于数据分析方面，主要涉及方差分析，一元回归，多元回归，时间序列，假设检验，参数估计。
5、这些内容的书籍以及同济大学的书为好，可以选择他们的教材学习，学习好了以后做他们的课后习题，基本就能掌握。但是学习时一定要记得把书中知识点的公式，对应的数据分析类型记好了，这是非常重要的。
6、最后就是软件的学习，软件主要是R语言和SPSS，SAS的话编程繁琐，软件占内存大，所以不推荐，主要是R语言，如果是想偏工作就是SPSS语言，这两门语言都是统计学主要语言，先从初级的书籍入手，主要是把它的函数记清楚了，然后逻辑方面和你正常笔头运算差不多。
学好统计学的方法如下：
系统学习基本统计学方法
现如今是网络学习时代，学习资源很多，通过搜索引擎就可以找到许多关于统计的公众号、APP，也有配视频学习的，那就更容易理解了。
通过这些平台，我们可以将日常学习碎片化，充分利用时间学习系统的统计学方法，如医学研究的类型、实验性研究的统计学策略、现况调查的统计分析策略、队列研究和病例对照研究统计分析策略等。
其实，建议统计小白的你，先从实验性研究学起。相对而言，实验性研究的统计分析策略还是比较简单的，比如t检验、Z检验、F检验、卡方检验等。从基础的、简单的内容入手，对于建立自信心非常有帮助。
实践运用非常重要
统计知识的学习，实践运用非常重要。
无论我们通过什么平台或方式学习，一定要配套练习，所有的学习不光要有输入，一定要输出。听懂了不代表知识就是你的，一键收藏更不代表是你的，在学习方面，我们不能做松鼠，不断地一键收藏，是时候清理一下自己的百度网盘了。
建议结合自己的研究，将统计学方法选择、SPSS操作以及结果的解读，全都走一遍，相信经过这样的过程，你就不会再畏惧统计学了。
