本课深入探讨误差分析和噪声处理，包括非线性转换的理论补充，误差度量的重要性，特别是在不同场景下如何定义误差。此外，介绍了如何处理带有噪声的目标数据，以及无监督学习的流程。课程还预览了后续理论内容，强调了在模型复杂度增加时Ein与Eout的关系。
这一课的主题是：误差分析与噪声处理。
该课时的主要内容如下：
1、Nonlinear Transformation（Continue）（非线性转换（续））
2、Error Measure （误差度量）（重点）
3、Noisy Targets（噪声指标）（重点）
4、Preamble to the Theory（理论热身）
1、Nonlinear Transformation：
在上一节课的最后，作者举了一个关于非线性转换的例子。通过该例子我们可以直观的看到非线性的数据可以被转化成线性的数据并且利用线性模型进行处理，但是我们缺乏理论的指导，在这节课中，作者补充上了理论的指导，主要回答的问题是转换什么？
首先我们观察转换的流程：
首先我们通过观察原始数据，找到转换函数，然后对原始数据进行转换，接着对转换后的数据应用线性模型进行求解，得到 W 然后通过求逆就可以得到原始数据的模型，如下：
2、Error Measure
什么是误差度量？
最低0.47元/天 解锁文章
扫一扫
1万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
