基于留一估计子的学习机器的推广能力.pdfVIP

2005年中国模糊逻辑与计算智能联合学术会议论文集 785 基于留一估计子的学习机器的推广能力 邹斌1，徐婕2，李落清1 武汉430074) 摘要：学习机器的推广能力是机器学习理论研究的重要方面。在逐点假设稳定条件下，应用马尔可夫不等式导出了 分类学习机器推广误差的界。把这个界与已有的界进行了比较，并得出了逐点假设稳定条件下分类学习机器具有好的 推广能力的结论。 关键词：学习机器；推广能力；留一误差估计 onLeave· TheGeneralizationErrorof MachineBased Learning one．outEstimator 1 ZOU Binl，XUJie2，LI Luo—qing and (1 ofMathematics Science，Hubei 430062，Emaih Faculty Computer University，Wuhan Schoolof ofScienceand Computer university Technology，Wuhan430074) Science，Huazhong Abstract：The isthe of theMarkov’S generalizationperformanceimportantpropertylearningmachines．Byusing inequality，the boundofthe errorofclassificationmachineisobtainedundertheconditionof generalization learning pointwisehypomesis is the showsthatthe thenthebound with results．The result classification stability．And compared previous comparative machineisofthe undertheconditionof generalization learning ability pointwisehypothesisstability． Machine，GeneralizationError，Leave—One-OutEstimator Keywords：Learning 对其性质进行判断。 1 引言 LearningTheory)【1】是目前机器学习领域中针对小样 本统计估计和预测学习的最佳理论。它从理论上较 人的智慧一个很重要的方面就是从实例(或数 据)学习的能力，即通过对已知事实进行分析，总 结规律，预测不能直接观测的事实。我们把这种从 样本下经验风险与期望风险的关系及如何利用这些 实例学习的能力叫做推广能力(或泛化能力)。在机器 理论找到新的学习算法等问题。VC维理论是ERM 智能