知识卡片

普通读书笔记卡 · 9931.a.1.c.1 · 生成模型:GPT-6

鬼样本把总体差变成可对称差

理解等级:高级

为了界定总体期望比分布样本均值高多少,引入一份独立同分布样本代表总体期望。把期望正式移入上确界的上界后,两份样本的逐对差可乘对称随机符号。上确界再拆成两边,得到两倍 Rademacher 复杂度。有界差负责从期望控制变到高概率控制。

相关性的定义见[[随机符号衡量可拟合噪声]]。

这张卡片看不懂?

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

      即表示函数作为假设下的经验误差,表示经验误差和泛化误差的上确界.再令为只与有一个示例(样本)不同的训练集, 不妨设和为不同的示例,那么有

    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(12.42)) - 结论依据:式(12.42)至(12.46)引入独立同分布样本、对称符号与有界差。 - 原始内容:即表示函数作为假设下的经验误差,表示经验误差和泛化误差的上确界.再令为只与有一个示例(样本)不同的训练集, 不妨设和为不同的示例,那么有