【学习笔记】斯坦福大学公开课： cs229 Learning Theory【下】

上回讲到了，当假设空间H是有限集时，当我们的训练数据的数目满足一定要求的时候，使用ERM选出的假设h^的经验误差能够对其泛化误差做一个很好的估计，二者以很大概率非常接近，术语叫做“一致收敛”；而且，h^的泛化误差与理想状况下的假设h*的泛化误差也以大概率接近，我们也得到了对应的一致收敛定理。那么，当H是无限集的时候会怎么样呢？ 个人认为，Ng老师这节课讲的不是很透彻，至少我听完一遍之后还是云里雾里

>>阅读原文<<