经验误差,泛化误差

假设我们现在有数据集,其中N NN是数据集的大小, 为数据的属性1, 为标签。假设有,假设中的所有样本都满足一个隐含的,未知的分布,也就是说D中的所有样本都是从中独立同分布(i.i.d) 地采样的。然后假设h是算法学习到的从的映射,,并且有,其中为算法的假设空间。我们可以定义映射 h的 泛化误差(generalization error):

因为我们无法观察到整个分布,只能观察到独立同分布采样后的D,因此我们需要定义 经验误差(empirical error):

其中的表示当条件符合时输出1,否则输出0。由于D是的独立同分布采样,因此h的经验误差的期望等于泛化误差。

声明:本内容为作者独立观点,不代表电子星球立场。未经允许不得转载。授权事宜与稿件投诉,请联系:editor@netbroad.com
觉得内容不错的朋友,别忘了一键三连哦!
赞 2
收藏 2
关注 50
成为作者 赚取收益
全部留言
0/200
成为第一个和作者交流的人吧