周志华 《机器学习》之 第十二章(计算学习理论)概念总结
2016-08-30 10:28
260 查看
看到12章,题目叫计算学习理论,当时一萌,这是干什么用的呢?前面的章节中基本都是讲述了一些机器学习的一些常用方法。看到这个标题我的第一反应应该是理论方面的研究,那是否对计算与学习这两方面的理论研究呢?既然是理论的东西,我想对于一般应用机器学习算法的来说,可能意义不大吧!但是我个人认为有可能也可以指导我们进行算法设计。周老师数据对计算学习理论这么描述的,(是关于机器学习的理论基础,其目的是分析学习任务的困难本质,为学习算法提供理论保证,并根据分析结果指导算法设计)
泛化误差:
令h 为从X到Y的一个映射,其泛化误差为
E(h;D)=Px−D(h(x)≠y)
h在D上的经验误差为
E^(h;D)=1m∑i=1mⅡ(h(xi≠yi))
如果D是D的独立同分布采样,因此h的经验误差的期望等于其泛化误差。
因此本章就主要研究经验误差与泛化误差之间的逼近程度。
1、基础知识
独立同分布样本:泛化误差:
令h 为从X到Y的一个映射,其泛化误差为
E(h;D)=Px−D(h(x)≠y)
h在D上的经验误差为
E^(h;D)=1m∑i=1mⅡ(h(xi≠yi))
如果D是D的独立同分布采样,因此h的经验误差的期望等于其泛化误差。
因此本章就主要研究经验误差与泛化误差之间的逼近程度。
2、PAC学习
概率近似正确(PCA)3、有限假设空间
4、VC维
5、Rademacher复杂度
6、稳定性
相关文章推荐
- 机器学习(周志华)_第十二章 计算学习理论
- 周志华 《机器学习》之 第十一章(特征选择与稀疏学习)概念总结
- 周志华 《机器学习》之 第十章(降维与度量学习)概念总结
- 机器学习总结1_学习理论
- 周志华 《机器学习》之 第六章(支持向量机)概念总结
- [机器学习]计算学习理论
- 周志华 《机器学习》之 第二章(模型评估与选择)概念总结
- PRML读书会第一章 Introduction(机器学习基本概念、学习理论、模型选择、维灾等)
- 机器学习---计算学习理论
- 【机器学习】【基本理论】L0、L1、L2和核范数规则化学习总结【待补充整理】
- 机器学习笔记(十二)计算学习理论
- 周志华 《机器学习》之 第四章(决策树)概念总结
- 周志华 《机器学习》之 第十三章(半监督学习)概念总结
- 周志华 《机器学习》之 第八章(集成学习)概念总结
- 公开课机器学习笔记(17)学习理论二 VC维、ERM总结、模型选择、特征选择
- 周志华 《机器学习》之 第五章(神经网络)概念总结
- 周志华《Machine Learning》学习笔记(14)--计算学习理论
- 周志华 《机器学习》之 第九章(聚类)概念总结
- 周志华 《机器学习》之 第七章(贝叶斯分类器)概念总结
- 周志华 《机器学习》之 第三章(线性模型)概念总结