您当前所在位置: 首页

论文收录信息

论文编号 201805-173
论文题目 训练误差概率分布对泛化性能的影响
文献类型
收录期刊

上传封面

中文期刊 英文期刊

期刊名称(中文)

期刊名称(英文)

年, 卷(

上传封面

中文专著 英文专著

书名(中文)

书名(英文)

出版地

出版社

出版年

上传封面

中文译著 英文译著

书名(中文)

书名(英文)

出版地

出版社

出版年

上传封面

中文论文集 英文论文集

编者 . 论文集名称(中文) [c].

出版地 出版社 出版年-

编者 . 论文集名称(英文) [c].

出版地 出版社 出版年-

上传封面

中文文献 英文文献

期刊名称(中文)

期刊名称(英文)

日期--

在线地址http://

上传封面

中文文献 英文文献

文题(中文)

文题(英文)

出版地

出版社, 出版日期--

上传封面

中文文献 英文文献

文题(中文)

文题(英文)

出版地

出版社, 出版日期--

后印本*

(请提交PDF文档)

训练误差概率分布对泛化性能的影响

引用

复制文本

导出参考文献

.txt .ris .doc

赵金伟

赵金伟(1974-),男,副教授,主要研究方向:机器学习

王宇飞

柳宇

黑新宏

黑新宏(1976-),男,教授,主要研究方向:轨道交通,机器学习,数据分析,

发送私信

发送给

西安理工大学计算机科学与工程学院,西安 710048

摘要:经验风险是训练样本预测误差的平均值。然而,当损失函数确定后,对于给定的样本数据集来说,训练样本的预测误差在样本空间中并不全是大概率事件,那么在经验风险中平等对待这些样本是不正确的,所以在分析无界损失函数集合的风险界时,必须要考虑训练样本预测误差概率分布的尾部厚重程度。因此,本文将训练样本的预测误差按倒序排序,然后重新讨论经验风险与结构风险,分析了期望风险的上界,提出了新的泛化误差界--尾部综合指数下界。基于商空间理论本文还提出将尾部综合指数下界与LOO留一方法误差界综合考虑,在假设空间构造多层拓扑结构来寻找最优的假设紧子空间。通过在实验证明了本方法在提高一些学习算法的泛化性能的鲁棒性与有效性。

关键词: 无界非负损失函数集 统计学习理论 拓扑结构 重尾指数

图表:

动态公开评议

评论

评论一下

全部评论
评论