概率意义下近似正确理论的改进

摘要：

在机器学习领域，学习问题正变的越来越流行、重要。一个学习算法的好坏，可以通过概率意义下近似正确理论来评价。然而，概率意义下近似正确理论对期望风险的上界的估计却不够精确。本文提出了对概率意义下近似正确理论的一些改进，通过把定理条件变弱可得到原定理同样的结论，或者在同样条件下，再给出决策集的VC维，则可得到更理想的结论。

关键词： 概率意义 近似正确理论 期望风险 机器学习

作者: 王恒友 陈德刚

作者单位: 华北电力大学数理学院,北京,102206

会议类型: 国内会议

会议名称: 华北电力大学第五届研究生学术交流年会

会议地点: 北京

会议语种:中文

页码: 1-5

在线出版日期: 2007-12-24（万方平台首次上网日期，不代表论文的发表时间）