但是接下來可能會遇H是無限的情況，該怎麼辦 ?
圖一、複習第一部分的學習流程
別急，之後會慢慢解決這個問題
圖二顯示出機器學習四大部分中第一部分探討的兩個核心問題
1. 我們如何能夠確保Eout 能夠接近 Ein ???
重要性 => 確保樣本的一致性，取樣後的部分資料 與 剩餘資料 資料分佈是相同的
2. Ein 是否足夠小 ???
重要性 => 從我取樣的樣本中，套用其中一組合適的h，學習出來的準確性夠高，錯誤率夠小
圖二、兩個核心問題
那 M的樣本多寡 就會是一個關鍵點，如果M取得太小，可以選擇的h就很少
M若取得太大，由霍夫丁不等式可以知道，BAD資料發生的機率就變大了
Q : 那M到底該怎麼選擇 ?
圖三、M的抉擇
所以我們的目標就是要找到一個有限數量值的mH，
使得霍夫丁不等式上限不會太大，即不要讓壞事發生的機率變大
否則無窮大的M會讓壞事發生機率變成無窮大...
圖四、待完成事項
沒有留言:
張貼留言