Machine Learning Course-CS 156 笔记 4

最新推荐文章于 2022-12-13 22:16:48 发布

了困

最新推荐文章于 2022-12-13 22:16:48 发布

阅读量260

点赞数

分类专栏：机器学习

本文链接：https://blog.csdn.net/lk_kkk/article/details/79178049

版权

机器学习专栏收录该内容

5 篇文章 0 订阅

订阅专栏

Lecture 4 : Error and Noise

视频地址：https://www.youtube.com/watch?v=L_0efNkdGMc

Lecture 4 Error and Noise

非线性变换(续)

X = (x 0, x 1, . . ., x d) ⟶ Φ Z = (z 0, z 1, . . . . . ., z d ~) X 1, X 2, . . ., X N ⟶ Φ Z 1, Z 2, . . ., Z N 权 重 W 不 在 X 域 . W ~ = (w 0, w 1, . . . . . ., w d ~) g (X) = s i g n (W ~ T Φ (X)) = s i g n (W ~ T Z)

$X=(x_0,x_1,...,x_d)\stackrel{\Phi}{\longrightarrow}Z=(z_0,z_1,......,z_\tilde{d})\\ X_1,X_2,...,X_N\stackrel{\Phi}{\longrightarrow}Z_1,Z_2,...,Z_N\\ 权重W不在X域 . \tilde{W}=(w_0,w_1,......,w_\tilde{d})\\ g(X)=sign(\tilde{W}^T\Phi(X))=sign(\tilde{W}^TZ)$

误差衡量

$h\approx f$ 意味着什么？
误差衡量： $E(h,f)$
大部分都是逐点定义： $e(h(x),f(x))$
例如：

平 方 误 差 ： e (h (x), f (x)) = (h (x) - f (x)) 2

$平方误差：e(h(x),f(x))=(h(x)-f(x))^2$

二 值 误 差 ： e (h (x), f (x)) = [h (x) \neq f (x)]

$二值误差：e(h(x),f(x))=[h(x)\neq f(x)]$
由逐点到总体：
总体误差是逐点误差的平均。

样本内误差
$E i n (h) = 1 N \sum n = 1 N e (h (x n), f (x n))$ $E_{in}(h)=\frac{1}{N}\sum_{n=1}^Ne(h(x_n),f(x_n))$
样本外误差
$E o u t (h) = E x [e (h (x n), f (x n))]$ $E_{out}(h)=\mathbb{E}_x[e(h(x_n),f(x_n))]$