本文探讨了机器学习中的几个核心概念，包括样本复杂度、计算复杂度及错误率上限等，并介绍了真实错误率的概念及其估计方法。同时，文章还讨论了PAC可学习性的定义以及一致学习器的特点。
综述机器学习的难度：样本复杂度（多少）、计算复杂度、出错的上界。
真实错误率，即去真存伪可能性之和。是不可直接观察的，简接的使用样本错误率来估计。
PAC可学习：在多项式时间情况下，错误率、可分类的概率、实例个数是可控的。
一致学习器：与训练数据完美拟合。
太理论了。。。。。。。。
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
