机器学习基石笔记:08 Noise and Error
2019-04-30 本文已影响5人
cherryleechen
一、噪声
噪声:误标、对同一数据点的标注不一致、数据点信息不准确等。噪声是针对整个输入空间的。

存在噪声的情况下,VC bound依旧有用。因为:
- 存在噪声,就是
,
是
的特殊情况:如
。
- VC bound本身就不管
的。
其实,推VC bound的时候第3步使用的是不放回的霍夫丁不等式,不要求独立同分布。参照口袋算法,可以表明存在噪声情况下,VC bound依旧有用。


二、错误统计
错误/代价:分类常用0/1错误,回归常用均方误差。

false positive/false accept:标签为-1,输出为+1;false negative/false reject:标签为+1,输出为-1。其中,false是指输出与实际标签不一致,positive为+,negative为-。根据实际应用,对上面2种错误的惩罚一般是不一样的。但是,对于真正的错误,用户难以量化惩罚比例,可由我们选择合理的或者有益于算法的,记为
,作为
的近似。


加权分类:分类时进行错误衡量时,对false positive和false negative的惩罚不都是1。如加权口袋算法。0/1错误衡量保证了PA能够停止,那加权错误衡量如何保证加权PA能够停止呢?
可通过virtual examples copying转化为0/1错误衡量方式。
原始问题里中每个样本点被访问的概率相等,virtual copy后
中标签值为-1的点被访问的概率变高,
但是PLA、PA都是要遍历一轮数据的,概率变化对算法影响不大。

