变量解读
输入空间
输出空间
特征空间
假设空间, 输入空间到输出空间映射的集合。可以是决策函数的集合,也可以是条件概率的集合,分别为非概率模型和概率模型。
损失函数,f(x)和y的非负值函数L(f(x), y),用于描述两者的差异, 其越小越好,
经验风险(经验损失), 损失函数在测试集上的平均值,
除了经验风险之外,为了防止过拟合,引入了结构风险,J(f) 代表了模型的复杂度
生成模型和判别模型:
变量解读
输入空间
输出空间
特征空间
假设空间, 输入空间到输出空间映射的集合。可以是决策函数的集合,也可以是条件概率的集合,分别为非概率模型和概率模型。
损失函数,f(x)和y的非负值函数L(f(x), y),用于描述两者的差异, 其越小越好,
经验风险(经验损失), 损失函数在测试集上的平均值,
除了经验风险之外,为了防止过拟合,引入了结构风险,J(f) 代表了模型的复杂度
生成模型和判别模型: