文章目录
1. Connection to Learning
所有的球代表 x x x,每个球的颜色决定于 h ( x ) h(x) h(x)是否等于 f ( x ) f(x) f(x)。如果资料量够大,就可以从 h ( x n ) ≠ y n h(\mathbf{x_{n}})\neq y_{n} h(xn)̸=yn的机率推出 h ( x ) ≠ f ( x ) h(\mathbf{x})\neq f(\mathbf{x}) h(x)̸=f(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 h h与 f f f的接近程度。
3. The Formal Guarantee
手上样本的错误率 E i n ( h ) E_{in}(h) Ein(h)大概接近于 E o u t ( h ) E_{out}(h) Eout(h)。
4. Verification of One h h h
判断一个 h h h是不是够好的方法。但是在真正的学习过程中,还要从 H H H中选择一个最好的 h h h。
5. The ‘Verification’ Flow
算法判断一个 h h h好不好的流程
但是目前还不能从 H H H中选择一个最好的 h h h,即 g g g。