admin 管理员组

文章数量: 887039

基础知识

  • 模型假设空间 F \mathcal{F} F的最优解 f ~ = a r g m i n f ∈ F R ( f ) \tilde{f}=\underset{f\in \mathcal{F}}{argmin}R(f) f~​=f∈Fargmin​R(f),假设真实世界的最优解为 f ∗ f^* f∗,我们在假设空间中的通过算法得到的最优解为 f n f_n fn​;

  • 近似误差[approximation error]
    R ( f ~ ) − R ( f ∗ ) R(\tilde{f})-R(f^*) R(f~​)−R(f∗)
    真实世界的最优解 f ∗ f^* f∗与假设空间中最优解 f ~ \tilde{f} f~​的误差;只与假设空间 F \mathcal{F} F有关;理论上假设空间若可达到无限大,则可消除近似误差;

  • 估计误差[estimation error]
    R ( f n ) − R ( f ~ ) R(f_n)-R(\tilde{f}) R(fn​)−R(f~​)
    搜索到的最优解 f n f_n fn​与假设空间中的最优解 f ~ \tilde{f} f~​的误差;比如优化器的设计,新的初始化方法是在优化估计误差;

  • 泛化误差[generalization error]:算法搜索得到的最优解 R ( f n ) R(f_n) R(fn​)与真实世界的最优解 R ( f ∗ ) R(f^*) R(f∗)的误差;

  • 过拟合[Overfitting]: F \mathcal{F} F太大,模型复杂度高,估计误差较小,近似误差较大;

  • 欠拟合[Underfitting]: F \mathcal{F} F太小,模型复杂度小,估计误差较大,近似误差较小;

Reference:

  1. 如何理解和区分近似误差和估计误差?

本文标签: 基础知识