19.4K
7233
泛化能力
在计算机系统中，“经验”通常以数据的形式存在，因此机器学习所研究的主要内容是通过这些数据产生“模型”（model）。从数据产生模型的过程我们称之为“训练”（training），训练过程中使用的数据称为“训练数据”。我们训练得到模型后需要对模型进行评估。我们通常把分类错误的样本数占总数的比例称为“错误率”（error rate）。更一般的，我们把模型实际预测的输出与真实的输出之间的差异称之为“误差”（error）。机器学习的目标是使得训练出的模型很好的适用于未见样本。训练出的模型适用于新样本的能力，称为“泛化能力”（generalization ability）。具有较强泛化能力的模型不仅在训练数据上有好的表现，还能够很好的适用于整个样本空间。通常我们假设所有的样本都服从一个未知的分布，我们的训练数据中每个样本都是从这个分布上独立的采集的，即“独立同分布”（independent and identically distributed）。一般来说，训练数据越多，我们可以得到的关于这个分布的信息越多，也就越有可能通过训练得到具有较强泛化能力的模型。
7233
免责声明：本站词条系由网友创建、编辑和维护，内容仅供参考。
以上内容均为商业内容展示，仅供参考，不具备专业问题解决服务，
如果您需要解决具体问题（尤其在法律、医学等领域），建议您咨询相关领域的专业人士。
如您发现词条内容涉嫌侵权，请通过 948026894@qq.com 与我们联系进行删除处理！
上一篇：狲尚香
下一篇：媒体发布平台 一秒推
