機器學習第十一課(SVM)

一些概念: 誤差的累積叫做風險 樣本數據上的分類的結果與真實結果之間的差值叫做經驗風險Remp(w)。 真實風險應該由兩部分內容刻畫， 一是經驗風險，代表了分類器在給定樣本上的誤差； 二是置信風險，代表了我們在多大程度上可以信任分類器在未知文本上分類的結果。 泛化誤差界的公式爲： R(w)≤Remp(w)+Ф(n/h) 公式中 R(w)就是真實風險，Remp(w)就是經驗風險，Ф(n/h)就是置信

>>阅读原文<<