原书出处
智能算法导论
181 1 9 . 2 神 经 网 络 算 法 实 现
其中,N对应的是样本的数目;R(f)又可以称为代价函数,或是经验风险。经验风险即对数据集中的所有训练样本进行平均最小化。
经验风险越小则表明该模型对数据集训练样本的拟合程度越好,但对于未知的测试样本的预测能力如何则未知,故又引入了一个期望风险: 经验风险是局部的表示决策函数对训练样本的预测能力,期望风险表示的是全局,是对全部包括训练样本和测试样本的整体训练集的预测能力。
从原理上显然直接让期望风险最小化就能得到想要的解,但问题恰恰在于难以获得期望的风险函数。但只考虑经验风险,又容易出现过拟
原书定位详情
来源:a19c7933-4eda-4176-aebd-30fe7e1ad292
正文位置:extracted/智能算法导论/_epub-src/EPUB/xhtml/chapter19_0004.xhtml
EPUB SHA-256:18e2691ea1badb55bab48f10fe7172f9d6a95bc5207bb2e234686cbbaff3641d