回放地址
报告概述
Johannes Schmidt-Hieber(University of Twente) 本次报告的题目是Overparametrization and the Bias-Variance Dilemma，报告探讨的主要问题是bias-variance trade-off是否可以用现代机器学习over-parameterization来打破，因为在过去bias-variance trade-off是认为是通用的，适用于任何情况，但随着机器学习的发展以及double descent现象的发现，越来越多的研究者觉得bias-variance trade-off可以在一定程度上被打破。
Johannes 在他最近的工作中通过研究几种模型，从Gaussian white noise 到 high-dimensional，再到
L
2
−
L
o
s
s
L^{2}-Loss
L2−Loss，由简单到复杂，由低维到高维，通过计算这些模型的variance的下界以及数学分析，证明了bias-variance trade-off是universal的，即不能被打破。
最后Johannes做了总结：
扫一扫
1194
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
