神经网络与深度学习 邱锡鹏 私人学习笔记1
1、经验风险最小化
2、结构风险最小化
最小二乘估计的基本要求是各个特征之间要相互独立，保证XX的转置 可逆。但即使其可逆，如果特征之间可能会有较大的共线性，也会使得 XX的转置 的逆在数值上无法准确计算。数据集上的一些小的扰动就会导致 XX的转置 的逆发生重大改变，进而使得最小二乘估计的计算变得很不稳定，为了解决这个问题，用岭回归来解决问题。
3、特征选择
4、评价指标
5、PAC学习理论
1、经验风险最小化
2、结构风险最小化
最小二乘估计的基本要求是各个特征之间要相互独立，保证XX的转置 可逆。但即使其可逆，如果特征之间可能会有较大的共线性，也会使得 XX的转置 的逆在数值上无法准确计算。数据集上的一些小的扰动就会导致 XX的转置 的逆发生重大改变，进而使得最小二乘估计的计算变得很不稳定，为了解决这个问题，用岭回归来解决问题。
3、特征选择
4、评价指标
5、PAC学习理论