統(tǒng)計學習是關(guān)于計算機基于數(shù)據(jù)構(gòu)建的概率統(tǒng)計模型并運用模型對數(shù)據(jù)進行預(yù)測和分析的一門科學，統(tǒng)計學習也稱為統(tǒng)計機器學習。

前言：機器學習比較重要的幾部分：線性模型、統(tǒng)計學習、深度學習，線性部分包括SVM、壓縮感知、稀疏編碼，都是控制整個模型的稀疏性去做線性函數(shù)，偏 Discriminative 判別模型；統(tǒng)計學習主要通過統(tǒng)計方法對數(shù)據(jù)建模找到極大似然，偏 Generative 生成方法；深度學習就是 neural model，偏非線性。

機器學習中的統(tǒng)計多是基于對事件的不確定性度量關(guān)于，是主觀的，而不是客觀地基于頻次。