机器学习基石 4.3 Connection to Learning

1. Connection to Learning

所有的球代表$x$，每个球的颜色决定于$h(x)$是否等于$f(x)$。如果资料量够大，就可以从$h({\mathbf{x}}_{\mathbf{n}})̸=y_n$的机率推出$h(\mathbf{x})̸=f(\mathbf{x})$的概率。

2. Added Components

手上的资料，即training examples就相当于我们手上的弹珠，它可以衡量$h$与$f$的接近程度。

3. The Formal Guarantee

手上样本的错误率$E_{in}(h)$大概接近于$E_{out}(h)$。

4. Verification of One $h$

判断一个$h$是不是够好的方法。但是在真正的学习过程中，还要从$H$中选择一个最好的$h$。

5. The ‘Verification’ Flow

算法判断一个$h$好不好的流程

但是目前还不能从$H$中选择一个最好的$h$，即$g$。