学习理论
1、基本概念
2、PAC理论
3、VC维
4、极大似然，最大后验概率，贝叶斯估计
5、模型评估与评价指标
6、模型诊断调参
三、VC维
在PAC理论中，我们用假设空间的取值 N N 来描述模型的复杂度，然而很多时候假设空间的取值是无限的，比如线性模型中模型属于连续空间，我们无法用取值来衡量模型的复杂度，VC维的主要价值在于用VC维（维度）衡量模型的复杂度，同时给出了误差上界（个人见解）。
VC维：给定一个样本集
VC维是学习理论中衡量模型复杂度的一个重要概念，尤其在假设空间无限时，如线性模型。它定义为假设空间能够打散的最大样本集的大小，即线性可分的样本数量。VC维不仅提供了复杂度度量，还与误差上界相关。例如，一个二维假设空间的VC维为3，意味着最多能线性分离3个样本点。
最低0.47元/天 解锁文章
287
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
