目前大部分模式识别方法均是基于经验风险最小化原则(Empirical Risk Minimization,ERM)的传统统计学方法。其前提是有足够多的样本,样本数目趋于 无穷大时的渐近理论。
基于6个网页-相关网页
1.1.3经验风险最小化 传统学习方法采用了经验风险最小化原则(Empirical RiskMinimization, ERM),即采用观测样本的损失定义的经验风险 ‰(咖詈妻‰m删 (1.3) 作为对期望风险的估计。
基于1个网页-相关网页
这就是所说的经验风险最小化原则(Empirical Risk Minimizing,ERM)- 定义2.I(ERM)给定一组训练集T={(x。,Y.),(_,Y。
基于1个网页-相关网页
了经验风险最小化原则 Empirical Risk Minimization
基于统计学理论研究了经验风险最小化原则学习过程的一致性问题。
We describe the consistency of erm learning process instatistical learning theory .
由于采用了结构风险最小化原则替代经验风险最小化原则,使它能较好地解决小样本学习问题。
It can solve small samples learning problems better by using structural risk minimization in place of experiential risk minimization.
由于使用结构风险最小化原则代替经验风险最小化原则,使它能较好地处理小样本情况下的学习问题。
The main advantage of SVM is that it can serve better in the processing of small-sample learning problems by the replacement of Experiential Risk Minimization by Structural Risk Minimization.
应用推荐