机器学习基石 Lecture8: Noise and Error
Noise and Error
前面讲的机器学习的学习流程如下图所示:
但是这个流程里假设的都是有一个真实的函数 f f f来生成样本,但是现实中很有可能样本里带有一些噪音,也就是无法单纯用一个函数 f f f来刻画 y y y与 x x x的关系。比如在信用卡问题里有以下几种噪音:
- y的噪音:对表现良好的用户标记为-1(不发信用卡)
- y的噪音:同样的用户不同的标签
- x的噪音:不准确的用户信息
在有噪音的情况下,VC bound的不等式是否依然成立呢?我们可以从头开始推导,但是要包含有噪音的情况。建模成每个样本 x x x服从一个概率分布 P ( x ) P(x) P(x),而对于一个给定的 x x x,对应的 y y y也服从一个条件分布 P ( y ∣ x ) P(y|x) P(y∣x)。这样就包含了噪音的存在。最终的结果是VC bound的结果依然类似的成立:
这时候我们机器学习的目标就从学习一个目标函数 f f f变成了学习一个概率分布 P ( y ∣ x ) P(y|x) P(y∣x)。而对一个给定 x x <