关于机器学习中的经验风险、期望风险与结构风险

风险是在损失函数的基础上来说的。因此首先引出损失函数的概念。 损失函数是针对单个具体样本而言的。它表示的是模型的预测值与真实值之间的差距。 例如，输入样本特征向量为X，模型决策函数为f,那么模型的预测值可表示为f(X)，真实值用Y表示。则损失函数可表示为L(Y,f(X))。 常用的损失函数有以下几种： 通过损失函数，我们只能知道模型决策函数f(X)对于某个具体样本的预测能力。 如果我们想知道模型对

>>阅读原文<<