首页 > 其他 > 详细

机器学习基石笔记6——为什么机器可以学习(2)

时间:2017-12-17 15:46:40      阅读:251      评论:0      收藏:0      [点我收藏+]

            网友杜少的笔记

 

Lecture 6: Theory of Generalization

 

6.1 Restriction of Break Point

      $$ \mathbb{P}[| E_{in}(g) - E_{out}(g)| > \epsilon ]\leqslant 2M exp(-2\epsilon^2N) $$                                                                         公式 6-1

      $$ \mathbb{P} [| E_{in}(g) - E_{out}(g) | > \epsilon]\leqslant 2m_\mathcal{H} exp(-2\epsilon^2N)$$                                                     公式 6-2

技术分享图片

                                  图 6-1 指数函数 

             

     

6.2 Bounding Function: Basic Cases

 

6.3 Bounding Function:Inductive Cases

 

6.4 A Pictorial Proof

 

题外话

机器学习基石笔记6——为什么机器可以学习(2)

原文:http://www.cnblogs.com/tmortred/p/8052121.html

(0)
(0)
   
举报
评论 一句话评论(0
关于我们 - 联系我们 - 留言反馈 - 联系我们:wmxa8@hotmail.com
© 2014 bubuko.com 版权所有
打开技术之扣,分享程序人生!