机器学习基石 7.4 Interpreting VC Dimension

文章目录

VC Bound Rephrase: Penalty for Model Complexity

VC Bound:

机器学习基石 7.4 Interpreting VC Dimension

改述:好事情发生(GOOD)

机器学习基石 7.4 Interpreting VC Dimension

gen.error:generalization error
得到EoutE_{out}Eout​的范围。

机器学习基石 7.4 Interpreting VC Dimension

根号这一项被叫做model complexity。

机器学习基石 7.4 Interpreting VC Dimension

THE VC Message

机器学习基石 7.4 Interpreting VC Dimension

横轴是VC dimension,纵轴是Error。
model complexity随着VC dimension的变大而变大。
VC dimension增大后,可以shatter的点变多(hypothesis变强),EinE_{in}Ein​减小。
VC dimension增大后,模型复杂度(model complexity)增大,导致要付出的代价变大。
所以EoutE_{out}Eout​通常会先减后增。

强大的H\mathcal{H}H(EinE_{in}Ein​很小)并不总是好的。

机器学习基石 7.4 Interpreting VC Dimension

VC Bound Rephrase: Sample Complexity

VC Bound:

机器学习基石 7.4 Interpreting VC Dimension

一个例子:

机器学习基石 7.4 Interpreting VC Dimension

然而实践上一般10dVC10d_{VC}10dVC​的资料就够用了。

机器学习基石 7.4 Interpreting VC Dimension

Looseness of VC Bound

上面的例子说明了VC Bound实际上是很宽松的。

机器学习基石 7.4 Interpreting VC Dimension

原因:

机器学习基石 7.4 Interpreting VC Dimension

对于不同的模型,VC Bound 的宽松程度实际上是差不多的。

机器学习基石 7.4 Interpreting VC Dimension

Fun Time

机器学习基石 7.4 Interpreting VC Dimension

上一篇:CCNA-OSPF 配置


下一篇:python——连接数据库(MySQL)