機器學習 之 作業1

作業 1: 經驗風險最小化 vs. 結構風險最小化 [1] 解釋：期望風險最小，經驗風險最小化和結構風險最小化； 那麼如果想知道模型對訓練樣本中所有的樣本的預測能力，那就是經驗風險，經驗風險是對訓練集中的所有樣本點損失函數的總和最小化。經驗風險越小說明模型對訓練集的擬合程度越好。 我們知道未知的樣本數據的數量是不容易確定的，所以就沒有辦法用所有樣本損失函數的總和的最小化這個方法，那麼用期望來衡量這

>>阅读原文<<