1.为什么需要机器学习?机器学习的分类
过于复杂的任务 适应性
监督学习和无监督学习 主动学习被动学习 老师的帮助
2.一般模型
①学习器的输入:领域 标签 训练数据
②输出:
训练集中的数据如何产生:首先依据概率分布D产生数据,然后利用正确的指示函数给出其标签()假设正确的指示函数存在。
衡量成功:
3.训练误差
4.如何解决ERM下的过拟合情况(在受限的搜索空间下)
对于有限类H,ERM(h)将不会发生过拟合,前提是具有足够多的训
1.为什么需要机器学习?机器学习的分类
过于复杂的任务 适应性
监督学习和无监督学习 主动学习被动学习 老师的帮助
2.一般模型
①学习器的输入:领域 标签 训练数据
②输出:
训练集中的数据如何产生:首先依据概率分布D产生数据,然后利用正确的指示函数给出其标签()假设正确的指示函数存在。
衡量成功:
3.训练误差
4.如何解决ERM下的过拟合情况(在受限的搜索空间下)
对于有限类H,ERM(h)将不会发生过拟合,前提是具有足够多的训