基于算法稳定的分类机器学习泛化能力的研究 |
| |
引用本文: | 邹斌,董雪梅,付丽华. 基于算法稳定的分类机器学习泛化能力的研究[J]. 模式识别与人工智能, 2004, 17(4) |
| |
作者姓名: | 邹斌 董雪梅 付丽华 |
| |
作者单位: | 湖北大学,数学与计算机科学学院,武汉,430062;湖北大学,数学与计算机科学学院,武汉,430062;湖北大学,数学与计算机科学学院,武汉,430062 |
| |
基金项目: | 国家自然科学基金,湖北省教育厅科研项目 |
| |
摘 要: | 泛化能力是机器学习理论研究的主要目的.本文通过对算法稳定框架下分类机器学习相对误差的研究,得到了重叠稳定条件下分类机器学习不依赖于分布的相对误差的界,再通过这个界讨论了重叠稳定条件下分类机器学习的泛化能力,得出了重叠稳定条件下分类机器学习是具有较好泛化能力的结论.
|
关 键 词: | 算法稳定 相对误差 泛化能力 |
THE STUDY OF ALGORITHMIC STABILITY-BASED CLASSIFICATION MACHINE LEARNING FOR GENERALIZATION ABILITY |
| |
Abstract: | |
| |
Keywords: | |
本文献已被 万方数据 等数据库收录! |
|