偏差與方差、經驗風險最小化、聯合界、一致收斂—機器學習公開課第九講

在之前的八講中我們主要學習了一些具體的算法，但當我們之前學習的算法在實際問題中表現不出理想的效果時，我們接下來應該怎麼做？接下來的三講中我們學習到的主要內容是學習理論，它將會幫助我們找到上面問題的答案。 本篇筆記對應的是機器學習公開課的第九講，主要內容包括偏差與方差（Bias/Variance）、經驗風險最小化(Empirical Risk Minimization,ERM)、聯合界（Union

>>阅读原文<<