《機器學習》筆記---2 模型的損失函數與正則化

損失函數 度量模型一次預測的好壞 L( Y，f(X) ) 常見類型： 期望風險（風險函數） 度量平均意義下的模型預測的好壞，即損失函數的期望。（關於 聯行分佈的期望，未知，無法直接計算） 經驗風險 模型關於訓練數據集的平均損失，當樣本容量N–>∞，經驗風險趨於期望風險。 經驗風險最小化，保證模型有很好的學習效果。 結構風險（正則化） 爲防止過擬合而提出，在經驗風險的基礎上加上了正則化項或罰項。 結

>>阅读原文<<