经验风险最小化问题-数据挖掘原理与SPSS-Clementine应用宝典

【文件属性】：
文件名称：经验风险最小化问题-数据挖掘原理与SPSS-Clementine应用宝典
文件大小：9.07MB
文件格式：PPT
更新时间：2021-04-24 00:30:31
SPSS 数据挖掘 14.1.2经验风险最小化问题 　　　学习机器产生的映射函数与实际系统的映射之间的差异可以用单个样本点上的损失函数　　　　　来描述 。损失函数在总体样本集上的数学期望，即为期望风险的泛函： 损失函数描述了映射函数与实际系统在总体集上的差异，将学习的目标变成了最小化期望风险　　。在实际的问题中，　　无法直接的计算得到。 　 在传统的机器学习方法中，通常将经验风险作为期望风险的估计值，学习的目标就是使经验风险Remp最小，强调利用经验风险最小化（ ERM ）原则进行学习。但实际上，用ERM原则代替最小化期望风险泛函，只是直观上合理的想当然做法而已，理论依据并不充分，容易“过学习”(overfitting)。