在之前的八讲中我们主要学习了一些具体的算法,但当我们之前学习的算法在实际问题中表现不出理想的效果时,我们接下来应该怎么做?接下来的三讲中我们学习到的主要内容是学习理论,它将会帮助我们找到上面问题的答案。
本篇笔记对应的是机器学习公开课的第九讲,主要内容包括偏差与方差(Bias/Variance)、经验风险最小化(Empirical Risk Minimization,ERM)、联合界(Union Bound)、一致收敛(Uniform Convergence)。
在之前的八讲中我们主要学习了一些具体的算法,但当我们之前学习的算法在实际问题中表现不出理想的效果时,我们接下来应该怎么做?接下来的三讲中我们学习到的主要内容是学习理论,它将会帮助我们找到上面问题的答案。
本篇笔记对应的是机器学习公开课的第九讲,主要内容包括偏差与方差(Bias/Variance)、经验风险最小化(Empirical Risk Minimization,ERM)、联合界(Union Bound)、一致收敛(Uniform Convergence)。