240 发简信
IP属地:黑龙江
  • @不懂你的幽默 啊!好久木有更新惹,最近应该会继续往下更

    第七章 Nonuniform Learnability

    占个位置以后更新

  • 120
    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approximation error衡...

  • 120
    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验规则,一般认为加上这个限制的...

  • 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个样本将会导致学习器的失败的分布: 上式简单...

  • 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agnostic PAC 学习器。 均...

  • 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,可以认为最后得到的假设是一个概率近似准...