本文探讨了机器学习中噪声和误差的概念，包括目标分布、误差衡量、错误类型及其影响。通过超市与CIA指纹识别的例子，阐述了错误接受与错误拒绝的不同代价，强调了根据错误类型选择合适算法的重要性。
目标分布（Target Distribution）
在实际情形中，训练数据的误标签的情况，输入数据某一维不准确的情况，都可能导致数据信息不精准，产生噪声数据。
由于受到噪声的影响，我们现在可以把y也看做是一种概率分布,y也是从某种分布中取样而来的，即y~P(y|x)。
这里的P(y|x)被称为目标分布。
回头来看，我们可以把学习的目标总结为，在常见的输入(符合P(x))中可以预测出理想的目标(P(y|x))。
【机器学习基础】噪声与误差
在实际情形中，训练数据的误标签的情况，输入数据某一维不准确的情况，都可能导致数据信息不精准，产生噪声数据。
由于受到噪声的影响，我们现在可以把y也看做是一种概率分布,y也是从某种分布中取样而来的，即y~P(y|x)。
这里的P(y|x)被称为目标分布。
回头来看，我们可以把学习的目标总结为，在常见的输入(符合P(x))中可以预测出理想的目标(P(y|x))。
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
最低0.47元/天 解锁文章
扫一扫
