机器学习系列笔记(六)
2017-11-03 14:49
155 查看
泛化理论 theory of generalization
bounding function B(N,K) :上限函数
B(N,3) break point 在3上
shatter 出现所有状况
dichotomies
有2个点 不能有2个break point ,shatter 有三种情况
有3个点, 不能有2个break point,shatter 有4种情况
所有N个点,不能有有1个break point,shatter都只有一个情况
有N个点,任何K个点不能shatter 最多能产生2的N次方种
那么B(N,K) 当N=K的时候有多少种情况 2的N次方-1
B(4,3)=2α+β
α+β≤B(3,3)
α≤B(3,2)
==>B(4,3)≤B(3,3)+B(3,2)
那么B(N,K)≤B(N-1,K)+B(N-1,K-1)
证明
第一步
把Eout代替成 Ein’
verification set D’
第二步
decompose H by kind
第三步
use hoeffding without replacement
抽出不放回
vapnik-chervonenkis(VC) bound:
bounding function B(N,K) :上限函数
B(N,3) break point 在3上
shatter 出现所有状况
dichotomies
有2个点 不能有2个break point ,shatter 有三种情况
有3个点, 不能有2个break point,shatter 有4种情况
所有N个点,不能有有1个break point,shatter都只有一个情况
有N个点,任何K个点不能shatter 最多能产生2的N次方种
那么B(N,K) 当N=K的时候有多少种情况 2的N次方-1
B(4,3)=2α+β
α+β≤B(3,3)
α≤B(3,2)
==>B(4,3)≤B(3,3)+B(3,2)
那么B(N,K)≤B(N-1,K)+B(N-1,K-1)
证明
第一步
把Eout代替成 Ein’
verification set D’
第二步
decompose H by kind
第三步
use hoeffding without replacement
抽出不放回
vapnik-chervonenkis(VC) bound:
相关文章推荐
- Andrew NG机器学习课程笔记系列之——机器学习之正则化(Regularization)
- 机器学习系列笔记(八)
- Andrew NG机器学习课程笔记系列之——机器学习之神经网络模型-上(Neural Networks: Representation)
- Andrew NG机器学习课程笔记系列之——机器学习之神经网络模型-下(Neural Networks: Representation)
- 机器学习系列笔记(七)
- 机器学习系列笔记(一)
- 数据挖掘系列笔记(2):机器学习的应用实例
- 机器学习系列笔记(五)
- 斯坦福机器学习: 网易公开课系列笔记(五)——高斯判别分析、朴素贝叶斯
- 斯坦福机器学习: 网易公开课系列笔记(四)——牛顿法、广义线性模型
- 机器学习笔记整理系列之(一)
- Weka中数据挖掘与机器学习系列之为什么要写Weka这一系列学习笔记?(一)
- 机器学习系列笔记(三)
- 机器学习系列笔记1:《统计学习》李航博士 第一章 统计学习方法概论
- 机器学习系列笔记(二)
- 斯坦福机器学习: 网易公开课系列笔记(二)——线性回归、梯度下降算法和最小二乘公式
- Andrew NG机器学习课程笔记系列之——机器学习之逻辑回归(Logistic Regression)
- Andrew NG机器学习课程笔记系列之——机器学习之单变量线性回归(Linear Regression with One Variable)
- 机器学习系列笔记(四)
- 机器学习笔记整理系列之(二)