机器学习旨在寻找最优函数，使输入X与输出Y的期望风险最小化。由于无法准确获取先验概率和类条件概率，只能依赖训练样本的输入X和输出Y。经验风险最小化（ERM）原则通过求解参数的经验风险来逼近期望风险的最小值，尽管存在经验风险不等于期望风险、理论依据不足等问题，但在实际中仍是解决模式识别等机器学习问题的常见方法。
前面提到，机器学习的目的就是根据一些训练样本
，寻找一个最优的函数，使得函数对输入X的估计Y'与实际输出Y之间的期望风险（可以暂时理解为误差）最小化。期望风险最小化依赖于样本的输入X与其输出Y之间的函数映射关系F(x,y)，而这个映射关系，在机器视觉和模式识别系统中，一般指代先验概率和类条件概率。然而，这两者在实际的应用中ÿ
最低0.47元/天 解锁文章
扫一扫
评论
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
查看更多评论
添加红包
