經驗風險最小化與模型選擇

經驗風險最小化，是使得<<具備最小訓練偏差的假設的通常偏差>>與<<具備最小通常偏差的假設的通常偏差>>之間的值儘可能小。html 這樣才能使得咱們根據訓練數據訓練獲得的模型有普適性。算法 能夠推導出來兩者的差值存在一個上界，能夠根據這個上界，獲得網絡 <<要達到某一精度至少須要多少訓練數據>>或者<<特定數量的訓練數據能以多大機率達到某一精度>>，進一步可知存在誤差方差平衡。函數 這個上界直觀上

>>阅读原文<<