期刊文献+

联合算法稳定下的排一推广误差界

The Bound of Leave-one-out Generalization Error under United Stability
下载PDF
导出
摘要 在机器学习算法的联合稳定性条件下,利用广义McDiarmid不等式获得了排一推广误差的界。讨论了机器学习的推广能力,和类似的结果进行了比较。 Under the assumption of united stability, a bound of leave-one-out generalization error is derived by using extended versions of McDiarmid's inequality, the generalization ability of machine learning is also discussed and compared to similar results.
出处 《工程数学学报》 CSCD 北大核心 2005年第6期1121-1124,共4页 Chinese Journal of Engineering Mathematics
基金 国家自然科学基金(10371033 60403011).
关键词 学习理论 算法稳定 推广误差 差分界定 learning theory algorithm stability generalization error difference-bounded
  • 相关文献

参考文献3

  • 1Vapnik V N. Statistical learning theory[M]. New York: John Wiley & Sons, 1998.
  • 2Kutin S, Niyogi P. Almost-everywhere algorithmic stability and generalization error[R]. Technical Report Tr-2002-03. University of Chicago, 2002.
  • 3Bousquet O, Elisseeff A. Stability and generalization[J]. Journal of Machine Learnig Research, 2002;2:499-526.

相关作者

内容加载中请稍等...

相关机构

内容加载中请稍等...

相关主题

内容加载中请稍等...

浏览历史

内容加载中请稍等...
;
使用帮助 返回顶部