知识卡片
经验误差估计总体错分率
固定分类器后,对真实分布抽一个带标签样本,预测错误的概率是泛化误差。手头样本中的错误比例是经验误差。两个假设的分歧则只看两者预测是否相同,无需真实标签;在标签由确定目标函数给出时,模型与该目标的分歧就是泛化误差。
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
已有反馈 · 0 条
还没有人提交反馈。
在整书笔记中的位置
原书出处 · 1 处
- 第12章 计算学习理论 · 查看原书依据
此式为泛化误差的定义式. 所谓泛化误差,是指当样本从真实的样本分布中采样后其预测值不等于真实值的概率.在现实世界中,我们很难获得样本分布,而实际获得的数据集可以看作从样本分布中独立同分布采样得到的.在“西瓜书” 中,我们
参考来源
- 位置:《机器学习公式详解》第12章 计算学习理论(book-source:`extracted/机器学习公式详解/_epub-src/text/part0018_split_000.html`,式(12.1))
- 结论依据:式(12.1)至(12.3)分别定义分布错误、样本错误和两个假设的分歧。
- 原始内容:此式为泛化误差的定义式. 所谓泛化误差,是指当样本从真实的样本分布中采样后其预测值不等于真实值的概率.在现实世界中,我们很难获得样本分布,而实际获得的数据集可以看作从样本分布中独立同分布采样得到的.在“西瓜书” 中,我们