【Coursera】經驗風險最小化

一、經驗風險最小化 1、有限假設類情形 對於Chernoff bound 不等式，最直觀的解釋就是利用高斯分佈的圖象。而且這個結論和中心極限定律沒有關係，當m爲任意值時Chernoff bound均成立，但是中心極限定律不一定成立。 隨着模型複雜度（如多項式的次數、假設類的大小等）的增長，訓練誤差逐漸降低，而一般誤差先降低到最低點再重新增長。訓練誤差降低，是因爲模型越複雜，對於訓練集合的擬合就越好

>>阅读原文<<