Hoeffding霍夫丁不等式及其在集成學習理論的應用

Hoeffding霍夫丁不等式 機器學習中，算法的泛化能力往往是通過研究泛化誤差的概率上界所進行的，這個就稱爲泛化誤差上界。直觀的說，在有限的訓練數據中得到的規律，則認爲真實的總體數據中也是近似這個規律的。比如一個大罐子裏裝滿了紅球和白球，各一半，我隨手抓了一把，然後根據這些紅球白球的比例預測整個罐子也是這樣的比例，這樣做不一定很準確，但結果總是近似的，而且如果抓出的球越多，預測結果也就越可信。

>>阅读原文<<