首页 > 代码库 > 摘录-Introduction to Statistical Learning Theory(统计机器学习导论)
摘录-Introduction to Statistical Learning Theory(统计机器学习导论)
机器学习目标:(二分类)
经验风险:
过度拟合:
经验风险最小化:
结构风险最小化:
正则:
特点:
误差错误估计错误:
误差上界分析:
R(g)的经验风险上界:
对错误分类的误差F定义(值域[0或1]):
F和R的关系:
关于F的Hoe不等式:
意义:
统一上界:
与Hoe的差异:
增长函数:
VC维:
VC维无限的函数族:
证明:将给定的点进行+-+-划分,如果有连续++或--的点在中间添加一个新点,保证一正一负,寻求一个sin函数的零点刚好过以上所有点时,给定一个微小增量t’,sin((t’)x)可满足条件。寻找方法是求出所有相邻点的距离,进行分子有理化,提公分母,求出所有分子最大公约数,乘以公分母即为所有点的一个单位长度,也是sin函数的半周期,可求出t。
典型的生长函数:
VC维与R(g)的关系:
VC商(分布相关):
Covering Numbers:与VC维,VC商,生长函数一样描述函数特特性
Rademacher averages:
(意义在于仅仅依靠样本就能确定出边界)
摘录-Introduction to Statistical Learning Theory(统计机器学习导论)
声明:以上内容来自用户投稿及互联网公开渠道收集整理发布,本网站不拥有所有权,未作人工编辑处理,也不承担相关法律责任,若内容有误或涉及侵权可进行投诉: 投诉/举报 工作人员会在5个工作日内联系你,一经查实,本站将立刻删除涉嫌侵权内容。