【機器學習】【基本理論】結構風險、結構風險、損失函數

損失函數：用來估量你模型的預測值f(x)與真實值Y的不一致程度，它是一個非負實值函數,通常使用L(Y, f(x))來表示，損失函數越小，模型的魯棒性就越好。 經驗風險：一個損失函數的函數 結構風險：可簡單理解爲經驗風險（一種損失函數的函數）+λ正則化項。因此，模型的結構風險函數包括了經驗風險項和正則項，通常可以表示成如下式子： θ∗=argminθ1N∑i=1NL(yi,f(xi;θ))+λ Φ(

>>阅读原文<<