偏差与方差、经验风险最小化、联合界、一致收敛—机器学习公开课第九讲

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）。