机器学习第5章节_评估假设.ppt

中心极限定理 考虑如下的一般框架 在n个独立抽取的且服从同样概率分布的随机变量Y1...Yn中观察试验值 令?代表每一变量Yi服从的未知分布的均值，并令?代表标准差，称这些变量Yi为独立同分布随机变量 为了估计Yi服从的分布的均值?，我们计算样本的均值 中心极限定理说明在n??时， 所服从的概率分布为一正态分布，而不论Yi本身服从什么样的分布 服从的分布均值为?，而标准差为 中心极限定理（2） 定理5.1（中心极限定理）考虑独立同分布的随机变量Y1...Yn的集合，它们服从一任意的概率分布，均值为?，有限方差为?2，定义样本均值为 ，当n??时，式子 服从正态分布，均值为0且标准差为1 中心极限定理说明在不知道独立的Yi所服从的基准分布的情况下，我们可以得知样本均值 的分布形式，说明了怎样使用 的均值和方差来确定独立的Yi的均值和方差 中心极限定理说明了任意样本均值的估计量服从的分布在n足够大时可以近似为正态分布 两个假设错误率间的差异 问题： 考虑某离散目标函数的两个假设h1和h2，h1在一拥有n1个随机抽取的样例的样本S1上测试，h2在一拥有n2个从相同分布中抽取的样例的样本S2上测试，要估计这两个假设的真实错误率间的差异 d=errorD(h1)-errorD(h2) 两个假设错误率间的差异（2） 使用5.4节中描述的四个步