转自：https://blog.csdn.net/liyajuan521/article/details/44565269 在机器学习中，通常会遇到期望风险、经验风险和结构风险这三个概念，一直不知道这三个概念之间的具体区别和联系，今天来梳理一下，要区分这三个概念，首先要引入一个损失函数的概念 ...

参考链接：http://www.360doc.com/content/17/0623/13/10408243_665793832.shtml 1、损失函数 最简单的理解就是，给定一个实例，训练的模型对它的预测结果错了，就要受到惩罚， 因此需要定义一个量度量预测错误的程度，而损失函数就是用来 ...

要区分这三个概念，需要先讲一下损失函数L(Y,f(x))的概念。 损失函数：针对单个具体样本，表示模型预测值与真实样本值之间的差距。损失函数越小，说明模型对于该样本预测越准确。常见损失函数有0-1损失函数、平方损失函数、绝对损失函数、对数损失函数（对数似然损失函数）。 经验风险：对所有 ...

概率估计就是结构风险最小化的一个例子。当模型的条件概率分布、损失函数是对数损失函数、模型复杂度由模型先 ...

风险分解结构RBS（Risk Breakdown Structure） 风险分解结构列出了一个典型项目中可能发生的风险分类和风险子分类。不同的RBS适用于不同类型的项目和组织。 风险识别的内容 　　1、环境风险。 指由于外部环境意外变化打乱了企业预定的生产经营计划 ...

学习理论： 偏差方差权衡（Bias/variance tradeoff） 训练误差和一般误差（Training error & generation error） 经验风险最小化（Empiried risk minization） 联合界引理和Hoeffding不等式 ...

目录 第一讲 损失分布 第一节 随机变量的数字特征 一、特征函数和矩母函数 二、概率母函数和累积量母函数 第二节 索赔次数的损失分布 一、索赔次数的损失分布族 ...

损失函数：度量模型一次预测的好坏 经验函数：度量模型平均意义下的预测好坏 输出预测值F（x）与实际值Y可能不一致也可能一致，损失函数（Loss function）可以度量一次预测，记作L（Y，F（x）），常用的的损失函数有以下几种： 1，0-1损失函数 2，平方损失函数 ...