压缩回归学习算法的泛化界 |
| |
引用本文: | 曹飞龙,戴腾辉,张永全.压缩回归学习算法的泛化界[J].数学物理学报(A辑),2014(4). |
| |
作者姓名: | 曹飞龙 戴腾辉 张永全 |
| |
作者单位: | 中国计量学院数学与信息科学系; |
| |
基金项目: | 国家自然科学基金(61272023,91330118,11301494)资助 |
| |
摘 要: | 研究了压缩最小平方回归学习算法的泛化性问题.利用随机投影、覆盖数等理论以及概率不等式得到了该学习算法的泛化误差上界.所获结果表明:压缩学习虽以增大逼近误差的方式降低样本误差,但其增量是可控的.此外,通过压缩学习,在一定程度上克服了学习过程中所出现的过拟合现象.
|
关 键 词: | 机器学习 压缩感知 回归学习算法 误差界 逼近 |
本文献已被 CNKI 等数据库收录! |
|