林轩田机器学习基石笔记(第16节)——概率论与机器学习建立连接
抽样与机器学习的对应关系
- 我们不知道罐子中橘色弹珠的数量比例,对应在机器学习中就是我们不知道在hypothesis中哪个h(x) 是我们要找的
- 弹珠表示x
- 橘色的弹珠代表
- 绿色的弹珠代表
- 抽样得到的橘色弹珠的比例对应机器学习中对应 的几率
通过下图可以比较直观的看出:
现在引入两个值和对应抽样中的 μ 和 ν (其中 μ 代表真实的橘色弹珠比例,v代表抽样时橘色弹珠的比例)
- 代表实际上的比例,未知
- 代表训练样本中的比例,已知
- 最后用已知的推论未知的
如下图:
把和代入到霍夫丁不等式中得到:
在上一节我说,我们不需要关心 μ 是多少,所以在这里我们也不关心是多少,也不需要关心P是多少。
现在我们得到重要结论:根据霍夫丁不等式,我们可以由推论,即。
当很小,即在中出现很少,那么说明在中也会很少犯错。
依然还不是最优解
单个 h 的情况下,当N足够大的时候也会有,但这并不代表该 h 就是我们想要的 h 使得且 。
因为我们知道hypothesis中有很多的 h ,我们不能保证手上的这条 h 就是最好的那条,所以在以后的课程中我们还要介绍如何才能从hypothesis中选出最优的 h。
===========================懵逼分割线===========================
欢迎大家加入Q群讨论:463255841
===========================懵逼分割线===========================