本文探讨了机器学习的需求背景，介绍了监督学习和无监督学习等基本概念，并讨论了学习器的输入、输出以及训练误差。同时，文章还触及了过拟合问题和解决策略，以及可实现性假设和精度参数的相关理论。
1.为什么需要机器学习？机器学习的分类
过于复杂的任务 适应性
监督学习和无监督学习 主动学习被动学习 老师的帮助
2.一般模型
①学习器的输入：领域 标签 训练数据
②输出：
训练集中的数据如何产生：首先依据概率分布D产生数据，然后利用正确的指示函数给出其标签（）假设正确的指示函数存在。
衡量成功：
3.训练误差
4.如何解决ERM下的过拟合情况（在受限的搜索空间下）
对于有限类H，ERM（h）将不会发生过拟合，前提是具有足够多的训练样本。
5.可实现性假设：
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
