[机器学习] 概念解析:从经验风险、结构风险到代价函数、损失函数、目标函数
文章目录
- 经验风险和结构风险
- 经验风险
- 结构风险
- 代价函数、损失函数、目标函数的定义
- 损失函数和代价函数
- 目标函数
经验风险和结构风险
借用 Andrew Ng Machine Learning 公开课视频一张图,举个例子:
在上式中,记Size为XXX,Price为YYY,三种拟合的函数分别为f1(X)f_1(X)f1(X)、f2(X)f_2(X)f2(X)、f3(X)f_3(X)f3(X)。
经验风险
为了表示我们拟合的好坏,我们就用一个函数来度量拟合的程度,比如均方误差函数:
L(Y,f(X))=(Y−f(X))2(1)L(Y,f(X)) = (Y-f(X))^2 \tag{1} L(Y,f(X))=(Y−f(X))2(1)
经验风险是模型关于训练集的平均损失,定义如下:
Remp=1N∑i=1NL(y(i),f(x(i)))(2)R_{emp}=\frac{1}{N}\sum_{i=1}^{N}L(y^{(i)},f(x^{(i)})) \tag{2} Remp=N1i=1∑NL(y(i),f(x(i)))(2)
以(2)式和上图,可以得到 L(Y,f1(X))L(Y,f_1(X))L(Y,f1(X)) > L(Y,f3(X))L(Y,f_3(X))L(Y,f3(X)) > L(Y,f3(X))L(Y,f_3(X))L(Y,f3(X)),也就是经验风险 f1(X)f_1(X)f1(X)>f2(X)f_2(X)f2(X)>f3(X)f_3(X)f3(X)。训练集样本代表已经获得的信息,作为已经知道的经验。经验风险最小,等价于模型对训练集样本拟合最贴切。
极大似然估计(MLE)就是经验风险最小化的一个例子。
结构风险
结构风险其实就是过拟合的风险。原因来说的话就是模型太复杂了。显然对于结构风险来说,f1(X)f_1(X)f1(X)<f2(X)f_2(X)f2(X)<f3(X)f_3(X)f3(X)。结构风险最小化。这个时候就定义了一个函数 J(f)J(f)J(f),来度量模型的复杂度,也叫正则化(regularization) 。常用的有 L1L_1L1,L2L_2L2 范数。
代价函数、损失函数、目标函数的定义
损失函数和代价函数
代价函数和损失函数是一回事,表示样本水平上模型结果于训练样本的平均误差。
比如吴恩达机器学习课程中,对于logistic回归的代价函数 (cost function),定义如下:
可以看到是平均误差。
目标函数
目标函数是最终需要优化的函数,是有约束条件下的损失函数的最小化。换句话说,包括经验损失和结构损失,可以表示为:
obj=loss+Ωobj=loss+\Omega obj=loss+Ω
其中:
- losslossloss:损失函数或者代价函数
- Ω\OmegaΩ:正则化项
目标函数的目的是最优化经验风险和结构风险,即:
min[1N∑i=1NL(y(i),f(x(i)))+λJ(f)]min[\frac{1}{N}\sum_{i=1}^{N}L(y^{(i)},f(x^{(i)}))+\lambda J(f)] min[N1i=1∑NL(y(i),f(x(i)))+λJ(f)]
比如吴恩达机器学习课程中,对logistic回归给出的目标函数为:
[机器学习] 概念解析:从经验风险、结构风险到代价函数、损失函数、目标函数相关推荐
- 结构风险和经验风险是什么?怎么去平衡它们?
经验风险强调的是模型不够强大,以至于都没有抓住样本数据中的本质: 结构风险强调的是模型能力太强,以至于把样本中的噪声等垃圾信息都学进去了,那么当然对测试样本的泛化能力就会变差,所以需要加入正则化或者使 ...
- 代价函数Cost Function ,损失函数Loss Function,经验风险empirical risk,期望风险expected risk,结构风险structural risk
损失函数,代价函数,目标函数 损失函数(Loss Function )是定义在单个样本上的,算的是一个样本的误差. 代价函数(Cost Function )是定义在整个训练集上的,是所有样本误差的平均 ...
- 机器学习--期望风险、经验风险与结构风险之间的关系
在机器学习中,通常会遇到期望风险.经验风险和结构风险这三个概念,一直不知道这三个概念之间的具体区别和联系,今天来梳理一下: 要区分这三个概念,首先要引入一个损失函数的概念.损失函数是期望风险.经验风险 ...
- [机器学习笔记] 什么是经验风险?什么是结构风险?
经验风险 机器学习模型关于训练数据集的平均损失称为经验风险.度量平均意义下模型预测效果的好坏. 结构风险 结构风险是在经验风险的基础上加上表示模型复杂度的正则项(罚项). 其中: J(f) 是模型的复 ...
- 机器学习:期望风险、经验风险、结构风险
机器学习:期望风险.经验风险.结构风险 这里主要记录我理解期望风险.经验风险.结构风险的过程. 损失函数Loss 损失函数是期望风险.经验风险和结构风险的基础. 我想大多数人对损失函数并不陌生吧,就是 ...
- “期望风险”,“经验风险”与“结构风险”的定义与联系
题记 "经验风险" "期望风险" "结构风险"这几个词是在机器学习中经常碰到的几个词汇,它们分别代表什么含义?它们之间的关系是什么呢? 曾经 ...
- 经验风险、期望风险、结构风险
本次记录内容包括机器学习中的三种类型的风险函数 风险函数与损失函数的关系 统计学习模型旨在假设空间中寻找最佳的模型,那么需要指定一个准则来作为模型选取的评判标准. 因此引入了损失函数和风险函数. 损失 ...
- 期望风险, 经验风险和结构风险
经验风险 模型关于所有训练集上的平均损失称为经验风险或经验损失. 公式如下: 至此, 我们通过计算单点误差损失的平均值来衡量(刻画)模型对训练集拟合的好坏, 但是我们如何衡量模型对未知数据的拟合能力呢 ...
- python 结构风险与经验风险 VC维 SRM SVM
引用文章1: 结构风险与经验风险 https://www.docin.com/p-676184969.html 引用文章2: vc维 https://baike.baidu.com/item/vc维/ ...
最新文章
- 达摩院发布2022十大科技趋势!
- 在koa中想要优雅的发送响应?看这就对了
- 计算机网络中的时延有哪几部分,计算机网络中的四种延迟分别是什么?
- ubuntu 16.04 安装QT问题
- 企业计算机仿真技术应用,基于计算机仿真技术的企业生产物流系统优化研究
- 拉登是我罩的队_软件需求规格说明书
- js获取用户使用的设备类型及平台
- C语言乘方,平方根的使用
- 基于STM32MP1的IOT参考设计(采用QT和web技术)
- Gazebo物理仿真环境搭建 实例
- JAVA求三角形的面积
- 黑群晖vmm专业版_在NAS上运行虚拟机:群晖虚拟化套件VMM正式发布
- 全国各地电台FM.ini汇总
- vue3 出现 Component inside <Transition> renders non-element root node that cannot be animated.
- 学习:C# 中的委托和事件(转)
- rk3288 android 6.0固件,RK3288固件升级教程
- (三篇长文让你玩6Pandas)数据分析入门_PART2常用工具包_CH02数据分析工具:Pandas__Part03(统计分析基础)
- 必备模块知识——超声波传感器
- dvwa详解_DVWA(六):XSS-Reflected 反射型XSS全等级详解
- R语言——(五)、探索性数据分析
热门文章
- python数据包发送给云平台_用python发送短消息(基于阿里云平台)
- Vue编写添加用户的表单 ~ 不要错过哦
- jQuery-动画排队
- 蓝桥杯2019真题-完全二叉树的权值
- 【数据结构和算法笔记】线性表的查找(平均查找长度,二分法,判定树)
- 知名IT公司的年度大会合集
- 计算机人员简历英语,计算机专业英文个人简历范文
- matlab读取adtx文件,求大家帮我看看下面中matlab中的程序问题出在哪里? - 计算模拟 - 小木虫 - 学术 科研 互动社区...
- 【CCCC】L3-004 肿瘤诊断 (30分),三维BFS
- 【SHOI2002】【Luogu1434】滑雪(记忆化)