机器学习基石-04-3-Connection to Learning

本文通过橙球和绿球的比喻,解释了在机器学习中“瓶子中orange球的概率”与学习算法的一一对应关系。重点介绍了h(x)不等于f(x)的概念,以及PLA算法中的叉叉和圈圈分别对应于orange球和green球。同时,讨论了如何通过抽取样本模拟数据集,并强调了h(x)在此过程中是固定不变的。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

上面的图展现了之前例子的“瓶子中orange球的概率”和learning学习的一一对应关系。orange球的概率就是“h(x)不等于f(x)”,也就相当于PLA算法中的叉叉,而green球就相当于圈圈。在瓶子中抽取样本就相当于数据集D(inside),一个新的需要分割开的点x就是outside的数据。

需要注意的是,上面的h(x)是固定的!!!



The Formal Guarantee


不需要知道Eout(h),f和P仍然是“unknown”没有任何影响。



Verification of One h

真正的学习real learning

yes--->恰好算法A选择了h as g,no---->不可以强制性地选择h as g。

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值