4. Viabilidad del aprendizaje La viabilidad del aprendizaje automático
Un poco volcado, 15 16 17 No entiendo muy bien, luego lo miro para compensar
P14 4.1
Explorar la viabilidad del aprendizaje automático. Hay muchas explicaciones para la conexión entre algunos problemas x e y. Por ejemplo, algunas de las llamadas "preguntas de coeficiente intelectual" en realidad tienen muchas explicaciones para sus soluciones. Entonces, ¿es posible el aprendizaje automático?
P15 4.2
Algunos métodos para inferir:
el conjunto de entrenamiento (D (entrada de datos con ruido)) y el conjunto de prueba (fuera de D) estarán conectados
v se conoce, u se desconoce
la desigualdad de hoeffding: cuantos más datos hay, menor es la brecha entre u y v es
para reducir la brecha El método: aumentar N: aumentar la cantidad de datos (no se recomienda aumentar ∈)
Si N es grande, entonces se puede decir que "v = u" es PAC (probablemente aproximadamente correcto)
P16 4.3
A partir de los datos de h(xn)!=yn La probabilidad de que las h y f juzgadas sean diferentes
Por lo tanto, los mismos datos (distribución independiente e idéntica) se pueden dividir en conjunto de entrenamiento y conjunto de prueba
Si hay un algoritmo que elige una h cada vez para cada conjunto de datos,
entonces este algoritmo es peor que el algoritmo que elige diferentes h en el conjunto H
P17 4.4
hoffi... Garantice algunos límites superiores de probabilidad para restringir que el error no sea demasiado alto, demuestre que bajo ciertas condiciones, el aprendizaje es posible
siempre que N sea lo suficientemente grande, Eout≈Ein puede garantizarse