- 1、本文档共2页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
- 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们。
- 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
30分钟了解PAC学习理论——计算学习理论第⼀讲
马瘦⽑长蹄⼦肥,
搞机器学习的谁也不服谁,
⾃从⼆狗学了PAC,
见谁都拿拳往别⼈⼩胸胸上捶。
啪!今天给⼤家说⼀段PAC理论
先放PAC学习相关理论的⼀个总结:同等条件下,模型越复杂泛化误差越⼤。同⼀模型在样本满⾜⼀定条件的情况下,其数量越⼤,模型
泛化误差越⼩,因此还可以说模型越复杂越吃样本。本⽂旨在让⼤家快速了解这句话的含义。您只需要提前了解假设空间、泛化误差、经验
误差的概念(不明⽩的百度20分钟)及任何⼀本概率论教材前两章内容就能看懂这篇⽂章。
为什么要学习PAC学习理论?
此理论可以帮助我们更深⼊的了解机器学习的学习机制。
已经⼊门或者从事过⼀段时间机器学习相关⼯作的你有没有想过为什么在训练样本上学习了⼀个假设(函数?模型?下⽂统⼀叫假设)就能
保证这个假设在训练样本之外的数据上有效?看完这篇⽂章你就会明⽩有效性是有严谨的理论保证的。
⼏千条样本数据就敢⽤CNN/RNN?你⼼也够⼤的。如果你⾮要这么做,⽼司机会语重⼼长的教育你:“数据太少,会导致过拟合”。看
完这篇⽂章就会明⽩为什么了。
如果看完这篇⽂章后你能回答这两个问题,那么恭喜你,你已经对PAC学习理论有了⼤致的了解了。
什么是PAC学习理论?
先说⼀下机器学习。机器学习有两个元素:模型与数据。其中模型⼜包含两部分:优化算法与假设空间。所谓机器学习就是⽤优化算法从
假设空间中选择⼀个假设,使此假设能符合给定的数据描述。因此优化算法通俗的讲就是假设选择算法。
⽽PAC学习理论不关⼼假设选择算法,他关⼼的是能否从假设空间中学习⼀个好的假设。看到能否⼆字了没?此理论不关⼼怎样在假设空
间中寻找好的假设,只关⼼能不能找得到。现在我们在来看⼀下什么叫“好假设”?只要满⾜两个条件(PAC辨识条件)即可
近似正确:泛化误差⾜够⼩
越⼩越好,最好泛化误差能能于0,但⼀般是不可能的。那我们就把限定在⼀个很⼩的数之内,即只要假设满⾜,我们就认为是正
确的。
可能正确
不指望选择的假设百分之百是近似正确的(按上段所述,即),只要很可能是近似正确的就可以,即我们给定⼀个值,假设满
⾜。
综上两点,就得到了PAC(可能近似正确,probablyapproximatecorrect)可学习的定义。简单的讲就是模型在短时间内利⽤少
量的(多项式级别)样本能够找到⼀个假设,使其满⾜。
什么条件能满⾜PAC可学习?
先介绍下Hoeffding不等式
Hoeffding不等式:给定m个取值之间的独⽴随机变量,对任意有如下等式成⽴:
由泛化误差与经验误差的定义易知,因此可推出公式(1):
根据不等式(1)可推出公式(2):
证明过程如下(看不懂也没关系,不会影响你对理论的理解,直觉⽐证明过程更重要):
公式(2)说明了什么?说明了对于任意,只要样本数量⾜够⼤,发⽣的可能性就⾮常⼤,此时我们可以⽤经验误差近似泛化误差。
回到⼀开始我们提出的那两个问题:
1.为什么在训练样本上学习得到的假设会在真实样本上有效?公式(2)很好的说明了这⼀问题。只要样本数量⾜够⼤或者假设空间
的⼤⼩⾜够⼩,公式(2)就能保证学到的假设的泛化误差与经验误差⾜够接近。在训练样本上的表现与在真实样本上⼀致。
2.为什么少量样本能⽤CNN/RNN等复杂模型会导致过拟合?还是看公式(2)。样本数量m太⼩的话发⽣的可能性变⼩。即学到
的在训练样本上的表现与在真实样本上不⼀致,这是过拟合直接的表现形式。
对以上两点的解释没有考虑为⽆穷⼤情况,但不影响⼤家理解。实际上如果为⽆穷⼤,下⼀节的VC维照样可以给出类似解释。
现在开始解决我们本⼩节提出的问题。什么条件才能满⾜PAC可学习?还是看公式(2),另,即:
本⼩节结论:只要样本数量⼤于公式(3)中的,就能保证模型在当前条件下是PAC可学习的。
VC维理论:更紧的条件
先说⼀下什么是紧。简单的讲,紧的意思就是恰好满⾜条件。
为了保证PAC可学习,根据公式(3),需要样本数量⼤于等于。此值越⼩,PAC条件越有可能达到。那么有没有⽐script
type=math/texid=MathJax-Element-55M/script更紧也就是更⼩的值呢?这就引出了VC维理论。
欲知VC维理论为何物,且听下篇⽂章分解。
您可能关注的文档
- 安全大讨论心得体会例文集萃.pdf
- 浅谈调节阀的安装和调试.pdf
- 竞争性谈判操作程序.pdf
- 我家有个读书虫六年级作文.pdf
- 2023年政治教师述职报告14篇.pdf
- R语言学习笔记:参数区间估计.pdf
- 弘扬长征精神的诗歌.pdf
- 鳄梨酱公司工程前期工作手册范文.pdf
- 2023鲁教版新教材高中地理选择性必修1同步练习--单元活动 学用地质简图.pdf
- 字谜及谜底解答.pdf
- 浙江省杭州市育才中学2025届初三中考信息卷(二)数学试题含解析.doc
- 浙江省湖州市实验学校2023年九年级化学第一学期期中学业质量监测模拟试题含解析.doc
- 浙江省湖州市吴兴区织里镇通益学校2023-2024学年小升初易错点数学检测卷含解析.doc
- 浙江省湖州市实验校2025年(初三一模文)物理试题检测试题试卷含解析.doc
- 浙江省湖州市德清县2024届六年级下学期5月模拟预测数学试题含解析.doc
- 浙江省湖州市安吉县2023年化学九上期中复习检测模拟试题含解析.doc
- 浙江省嘉兴市海宁市重点达标名校2024-2025学年初三中考适应性模拟押题测试(一)化学试题含解析.doc
- 浙江省嘉兴2025届初三第二次诊断性考试语文试题含解析.doc
- 浙江省杭州市育才中学2025届初三大联考数学试题文含解析.doc
- 浙江省杭州下城区2025年下学期初三期中数学试题卷含解析.doc
文档评论(0)