发简信
IP属地：河北
-
第七章 Nonuniform Learnability
占个位置以后更新
-
第六章 The VC-Dimension上一章介绍了讲了EMR的误差主要分为两种，一种是approximation error，另一种是estimation error。其中appro...
-
第五章 The Bias-Complexity Tradeoff在第二章中介绍了一种情况，训练数据可能会对模型造成误导，从而导致过拟合。为了克服这个问题，把搜索空间限制在了某个假设集当中。这个限制反映了一些先...
-
第二章 Misleading of the Training Set
在模型学习学习中，采用参数去衡量该假设h loss的优秀程度。 一般认为时h为一个失败假设，一个训练集中，假设一个分布上界，即有m个样本将会导致...
-
第四章 Learning via Uniform Convergence
在第三章里我们学到了第一个形式化的学习模型PAC，接下来要介绍均匀收敛。通过这个工具，可以说明任意的有限集上，都可以使形式化的学习器满足agno...
-
第三章 PAC leaning 'Why machine can learning'
在第二章里我们学到了有限假设集 回顾： 当H是有限集的时候，模型不会有过拟合的风险，并且如果ERM是在这个有限集中被提供了大量数据的话，可以认为...