ML基石_8_NoiseAndError

recap

$d_{vc}$有限，N很大，$E_{in}$很低，这样的话机器就可以学到东西。

Noise and Probabilistic Target

VC的保证并不是f的样子和$E_{in}$中数据的样子相同，而是保证了$E_{in}$和$E_{out}$的差值的上限。

noise来源

Probabilistic Target

Error Measure

VC理论在很多的情况下（target distribution, error measure）都是可行的。

Algorithmic Error Measure

Weighted Classfication

VC可以用，那么只要$E_{in}$小的时候就可以。

summary