機器學習—經驗風險最小化

寫在前面 本文是Andrew Ng的機器學習公開課的總結，其中涉及到偏差方差分析在PRML中有過比較嚴謹的數學分析，詳見文章PRML——偏差方差分析。而吳老師的課上以一種更直接和相對較爲通俗的方式給出了這些概念，解決的問題有如下幾個： (1). 如何形式化定義方差和偏差（針對機器學習算法）以方便對算法的討論評價？ (2). 用訓練誤差評估泛化誤差是否合理？ (3). 在什麼條件下，我們能評估一個算

>>阅读原文<<