【學習筆記】斯坦福大學公開課： cs229 Learning Theory【下】

上回講到了，當假設空間H是有限集時，當咱們的訓練數據的數目知足必定要求的時候，使用ERM選出的假設h^的經驗偏差可以對其泛化偏差作一個很好的估計，兩者以很大機率很是接近，術語叫作「一致收斂」；並且，h^的泛化偏差與理想情況下的假設h*的泛化偏差也以大機率接近，咱們也獲得了對應的一致收斂定理。那麼，當H是無限集的時候會怎麼樣呢？算法 我的認爲，Ng老師這節課講的不是很透徹，至少我聽完一遍以後仍是雲裏

>>阅读原文<<