ML基石_8_NoiseAndError
- recap
- Noise and Probabilistic Target
- noise来源
- Probabilistic Target
- Error Measure
- Algorithmic Error Measure
- Weighted Classfication
- summary
recap
dvcd_{vc}有限，N很大，EinE_{in}很低，这样的话机器就可以学到东西。
Noise and Probabilistic Target
VC的保证并不是f的样子和EinE_{in}中数据的样子相同，而是保证了EinE_{in}和EoutE_{out}的差值的上限。
noise来源
Probabilistic Target
Error Measure
VC理论在很多的情况下（target distribution, error measure）都是可行的。
Algorithmic Error Measure
Weighted Classfication
VC可以用，那么只要EinE_{in}小的时候就可以。
summary
ML基石_8_NoiseAndError相关推荐
- ML基石_1_LearningProblem
课程逻辑 学习与机器学习 机器学习的适用 机器学习概图 课程逻辑 本系列文章属于台湾大学<机器学习基石>的笔记. 该课程主要包括以下四个部分 1. When can machine lea ...
- ML基石_14_Regularization
知识脉络 模型太复杂容易造成过拟合,因此让模型从复杂的慢慢的变简单. step back matrix form lagrange multiplier augmented error other v ...
- ML基石_11_HazardOfOverfitting
学习曲线来说,当数据量N很小的时候,large generation会造成很大的Eout. 造成overfit的主要有四种因素: 1. 资料量不够 2. stochastic noise太多 3. 目 ...
- ML基石_12_NonLinearTransformation
retro quadratic hypothesis nonlinear transform price on nonlinear transform structured hypothesis se ...
- ML基石_LinearModelsForClassfication
retro start linear models for 01 classification 回顾线性模型 误差函数分析 解决步骤 stochastic gradient descent 概述 PL ...
- ML基石_10_LogisticRegression
logistic regression problem Y是概率的情况 相同数据不同目标函数 logis假设集 logistic regression error error already styd ...
- ML基石_9_LinearRegression
linear regression problem linear regression algorithm 优化问题 求梯度 算法 generalization issue 是否学到了东西 上限保证 ...
- ML基石_56_TheoryOfGeneralization
RECAP SOLUTION m增长速度受限 将m带回原式中的M 例子 总结 RECAP 机器学习是可行的,如果假设集H是有限的并且统计样本数据(statistical data)很大. 那么,问题来 ...
- ML基石_4_FeasibilityOfLearning
回顾 focus: binary classification or regression from a batch of supurvised data with concrete features ...
最新文章
- 【linux】串口编程（一）——配置串口
- 剑指offer_第8题_跳台阶
- java中的线程安全是什么？
- Tomcat web.xml配置参数详解
- [Python图像处理] 九.形态学之图像开运算、闭运算、梯度运算
- Android反翻译详解
- ASP.NET MVC5+EF6+EasyUI 后台管理系统（59）-BLL层重构
- 在线表格制作html代码,html之简单网页表格制作示例介绍
- RFID射频识别系统简述
- SpringBoot实现简易支付宝网页支付
- LeetCode. 15 - 三数之和
- vue-cli Webpack之Loader原理及自定义Loader
- Contrastive Learning Based on Transformer for Hyperspectral Image Classification
- 搭建基于 Vim 的 C++和 Python 开发环境[持续更新]
- JavaSE基础知识回顾
- 反向索引和自增索引区别_深度解析 百度收录与百度索引有什么区别?
- 黑白棋算法分析（一）
- 信息通信行业政企业务主要发展方向探索
- ThinkPHP大纲
- 计算机的神奇功能华为,图说华为MateBook X，这是一款神奇的笔记本电脑