机器学习基础(林軒田)笔记之七
来源:互联网 发布:宁夏网络教育 编辑:程序博客网 时间:2024/06/04 23:45
机器学习基础(林軒田)笔记之七
The VC Dimension
复习
在上一节课程中我们介绍了:
1.确保举一反三(训练时和测试时的表现类似,即)的条件;
2.成长函数的上限函数;
3.VC Bound,若果在假设集中有任何一个假设发生坏事情,这件事的几率,
4.举一反三,机器学习可行的条件。
Definition of VC Dimension
VC维度是给最大的非断点的定义,即k-1。
下面回顾之前的例子,
VC维存在的意义:
VC Dimension of Perceptrons
在有了VC维的概念之后,我们回到之前介绍的第一个机器学习算法,感知器学习算法(PLA)。
现在我们要解决的问题是这个演算法可不可以用在多维度的数据上。
查看之前的例子,得出猜想,
证明思路,
证明
在二维上(0,0),(1,0),(0,1)会被shatter。
证明,先以2维为例
现行依赖会限制分类的方式dichotomy。
推广,
Physical Intuition of VC Dimension
VC维的物理意义是假设集做二元分类时到底有多少自由度,即假设集能产生多少dichotomy。
看看之前的例子,
从例子大概得出,VC维大致上表示有多少可以调的旋钮,即有多少参数(不总是对的)。
VC维是我们用来衡量假设集的自由度的量,在第五讲中我们用M来衡量假设集的物理量。
Interpreting VC Dimension
现在我们来更进一步的理解VC维。
VC Bound:
那么有比大的几率会发生好事情
进一步:
从而知道VC维告诉我们:
VC Boung的另外一个意思:样本复杂度:
理论上N一般为10000倍的VC维,实际上10倍的VC维即可。
0 0
- 机器学习基础(林軒田)笔记之七
- 机器学习基础(林軒田)笔记之三
- 机器学习基础(林軒田)笔记之二
- 机器学习基础(林軒田)笔记之四
- 机器学习基础(林軒田)笔记之五
- 机器学习基础(林軒田)笔记之六
- 机器学习基础(林軒田)笔记之八
- 机器学习基础(林軒田)笔记之九
- 机器学习基础(林軒田)笔记之十
- 机器学习基础(林軒田)笔记之十一
- 机器学习笔记七
- [心得]机器学习基础之线性代数笔记
- 斯坦福机器学习笔记七
- 机器学习系列笔记(七)
- 七、机器学习系统设计笔记之对回归推荐
- 机器学习基础(林軒田)笔记之一
- 《机器学习》学习笔记七 聚类
- 《面向对象基础:C++实现》学习笔记之七
- Golang 测试
- 能否实现 Ext.grid.ColumnModel 宽度动态适应
- Javamail体验
- wait和notify实现线程间的通信
- 解决rails5.0 ruby2.3.1下bcryp_ext LoadError: Cannot load such file
- 机器学习基础(林軒田)笔记之七
- Java研发方向如何准备BAT技术面试答案(上)
- 遇见到的一些小细节
- leaflet circle
- 宏
- HttpUrlConnection Post提交数据到服务器、并得到服务器返回的数据
- python爬虫实战-糗事百科(最新版亲测好用)
- Chord算法
- 在pods导入非pod的文件报错(file not found)的解决办法