概述 对假设的精度进行评估是机器学习中的基本问题 本章介绍用统计方法估计假设精度,主要解决以下三 个问题: 已知一个假设在有限数据样本上观察到的精度,怎样估计它 在其他实例上的精度? 如果一个假设在某些数据样本上好于另一个,那么一般情况 下该假设是否更准确? 数据有限时,怎样高效地利用这些数据,通过它们既能学 习到假设,还能估计其精度? 统计的方法,结合有关数据基准分布的假定,使我们 可以用有限数据样本上的观察精度来逼近整个数据分 布上的真实精度 2003.12.18 机器学习-评估假设作者: Mitchell译者:曾华军等讲者:陶晓鹏 22003.12.18 机器学习-评估假设作者：Mitchell 译者：曾华军等讲者：陶晓鹏 2 概述 • 对假设的精度进行评估是机器学习中的基本问题 • 本章介绍用统计方法估计假设精度，主要解决以下三 个问题： – 已知一个假设在有限数据样本上观察到的精度，怎样估计它 在其他实例上的精度？ – 如果一个假设在某些数据样本上好于另一个，那么一般情况 下该假设是否更准确？ – 当数据有限时，怎样高效地利用这些数据，通过它们既能学 习到假设，还能估计其精度？ • 统计的方法，结合有关数据基准分布的假定，使我们 可以用有限数据样本上的观察精度来逼近整个数据分 布上的真实精度