關於機器學習中的經驗風險、期望風險與結構風險

風險是在損失函數的基礎上來說的。因此首先引出損失函數的概念。 損失函數是針對單個具體樣本而言的。它表示的是模型的預測值與真實值之間的差距。 例如，輸入樣本特徵向量爲X，模型決策函數爲f,那麼模型的預測值可表示爲f(X)，真實值用Y表示。則損失函數可表示爲L(Y,f(X))。 常用的損失函數有以下幾種： 通過損失函數，我們只能知道模型決策函數f(X)對於某個具體樣本的預測能力。 如果我們想知道模型對

>>阅读原文<<