1、经验风险最小化
2、结构风险最小化
最小二乘估计的基本要求是各个特征之间要相互独立，保证XX的转置 可逆。但即使其可逆，如果特征之间可能会有较大的共线性，也会使得 XX的转置 的逆在数值上无法准确计算。数据集上的一些小的扰动就会导致 XX的转置 的逆发生重大改变，进而使得最小二乘估计的计算变得很不稳定，为了解决这个问题，用岭回归来解决问题。
3、特征选择
4、评价指标
5、PAC学习理论
这篇笔记探讨了经验风险最小化和结构风险最小化在神经网络中的应用。提到了最小二乘估计的问题，当特征间存在共线性时，会引入计算不稳定性，为此介绍了岭回归作为解决方案。笔记还涵盖了特征选择和评价指标，并触及了PAC学习理论。
扫一扫
905
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
