关于训练集外（OTS）误差的若干观察
机器学习
2019-12-13 v1 机器学习
摘要
一种称为训练集外（Off Training Set, OTS）误差的泛化误差形式近期由 [Wolpert, 1996b] 提出，并附有一定理表明：除非对目标函数做出假设，否则训练集上的小误差不能保证小的 OTS 误差。本文表明，该定理的适用性仅限于生成训练数据的分布与生成测试数据的分布无重叠的模型。我们认为此类场景与机器学习的关联有限。
引用
@article{arxiv.1912.05915,
title = {Some observations concerning Off Training Set (OTS) error},
author = {Jonathan Baxter},
journal= {arXiv preprint arXiv:1912.05915},
year = {2019}
}
备注
Technical Report, Australian National University, August 1999