一张图理解对分、增长函数、打散、突破点、VC维 |
您所在的位置:网站首页 › ps拼图效果怎么打散的快一点 › 一张图理解对分、增长函数、打散、突破点、VC维 |
对分(Dichotomy)、增长函数(Growth Function)、突破点(Break Point)、VC维(Vapink-Chervonenkis Dimension)是计算学习理论中非常重要的概念,也是机器学习的基石。可以说如果不理解计算学习理论,那就不能从根本上理解机器学习。 机器学习最基本的问题是二分类和回归,在这里我们讨论的是二分类的问题。我们知道有很多二分类的模型,我们把这些模型称为分类器,常见的分类器有下面几种: 正射线正间隔一维感知机二维感知机详情可以参考《快乐机器学习》这本书,或者林轩田老师的机器学习基石课程。 如果一种操作能把正负样点线性分开,我们就把这种操作称为对分。一种对分其实就是线性二分类的一种分类方式。一种模型可以有若干种对分方式。我们把模型能产生对分的种类的数量定义为这种分类器的增长函数。增长函数和样本点的数量有关系,显然,样本点越多,对分的方式越多,增长函数就越大。直观上,我们感觉有 n n n个点,就有 2 n 2^n 2n中对分方式,因为对于二分类,每个点有2中可能的取值,总共有 2 n 2^n 2n中组合总数。但是实际上,很多组合是线性不可分的,因此真实情况下,在n比较小的时候,能满足增长函数等于 2 n 2^n 2n;随着n增大,增长函数将小于 2 n 2^n 2n。 常见的二分类问题增长函数如下表所示: |
今日新闻 |
点击排行 |
|
推荐新闻 |
图片新闻 |
|
专题文章 |
CopyRight 2018-2019 实验室设备网 版权所有 win10的实时保护怎么永久关闭 |