机器学习—经验风险最小化

写在前面 本文是Andrew Ng的机器学习公开课的总结，其中涉及到偏差方差分析在PRML中有过比较严谨的数学分析，详见文章PRML——偏差方差分析。而吴老师的课上以一种更直接和相对较为通俗的方式给出了这些概念，解决的问题有如下几个： (1). 如何形式化定义方差和偏差（针对机器学习算法）以方便对算法的讨论评价？ (2). 用训练误差评估泛化误差是否合理？ (3). 在什么条件下，我们能评估一个算

>>阅读原文<<