第12章 计算学习理论
文档摘要
12.1 $$ E(h ; \mathcal{D})=P{\boldsymbol{x} \sim \mathcal{D}}(h(\boldsymbol{x}) \neq y) $$ [解析]：该式为泛化误差的定义式，所谓泛化误差，是指当样本$x$从真实的样本分布$\mathcal{D}$中采样后其预测值$h(\boldsymbol{x})$不等于真实值$y$的概率。在现实世界中，我们很难获得样本分布$\mathcal{D}$，我们拿到的数据集可以看做是从样本分布$\mathcal{D}$中独立同分布采样得到的。在西瓜书中，我们拿到的数据集，称为样例集$D$[也叫观测集、样本集，注意与花体$\mathcal{D}$的区别]。 12.
评论区
(0)
U