结构风险最小化(SRM)是统计学习理论中的一个重要概念，它旨在通过权衡经验风险和复杂度（VC维）来最小化实际风险。SRM策略通过构建函数子集序列并选取最佳子集，确保在训练误差小的同时，降低模型的过学习风险，提高推广能力。SVM是SRM思想的一种具体实现，通过设计函数集结构，找到最小经验风险和适当复杂度的平衡点。
1、定义
统计学习理论提出了一种新的策略,即把函数集构造为一个函数子集序列,使各个子集按照VC维的大小排列;在每个子集中寻找最小经验风险,在子集间折衷考虑经验风险和置信范围,取得实际风险的最小。这种思想称作结构风险最小化(Structural Risk Minimization)，即SRM准则。
2、经验风险与真实风险的关系
统计学习理论系统地研究了对于各种类型的函数集,经验风险和实际风险之间的关系。得出如下结论：对指示函数集中的所有函数(包括使经验风险最小的函数), 经验风险 和实际风险 之间以至少 的概率满足如下关系：
其中h是函数集的VC维,n是样本数.
这一结论从理论上说明了学习机器的实际风险是由两部分组成的:一是经验风险(训练误差),另一部分称作置信范围,它和学习机器的VC维及训练样本数有关。
上式可以简单地表示为：
最低0.47元/天 解锁文章
扫一扫
684
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
