구조적 위험 최소화구조적 위험 최소화(Structural risk minimization, SRM)는 기계 학습에서 사용되는 귀납적 원리이다. 일반적으로 기계 학습에서는 일반화된 모델을 유한 데이터 세트에서 선택해야 하며 결과적으로 과적합 문제가 발생한다. 즉, 모델이 훈련 세트의 특수성에 너무 강하게 맞춰지고 새 데이터에 제대로 일반화되지 않는다. SRM 원칙은 모델의 복잡성과 훈련 데이터 피팅 성공 사이의 균형을 유지하여 이 문제를 해결한다. 이 원칙은 블라디미르 바프니크, 알렉세이 키르보넨키스가 1974년에 쓴 책에서 처음으로 제시되었으며 VC 차원을 사용한다. 같이 보기
|
Index:
pl ar de en es fr it arz nl ja pt ceb sv uk vi war zh ru af ast az bg zh-min-nan bn be ca cs cy da et el eo eu fa gl ko hi hr id he ka la lv lt hu mk ms min no nn ce uz kk ro simple sk sl sr sh fi ta tt th tg azb tr ur zh-yue hy my ace als am an hyw ban bjn map-bms ba be-tarask bcl bpy bar bs br cv nv eml hif fo fy ga gd gu hak ha hsb io ig ilo ia ie os is jv kn ht ku ckb ky mrj lb lij li lmo mai mg ml zh-classical mr xmf mzn cdo mn nap new ne frr oc mhr or as pa pnb ps pms nds crh qu sa sah sco sq scn si sd szl su sw tl shn te bug vec vo wa wuu yi yo diq bat-smg zu lad kbd ang smn ab roa-rup frp arc gn av ay bh bi bo bxr cbk-zam co za dag ary se pdc dv dsb myv ext fur gv gag inh ki glk gan guw xal haw rw kbp pam csb kw km kv koi kg gom ks gcr lo lbe ltg lez nia ln jbo lg mt mi tw mwl mdf mnw nqo fj nah na nds-nl nrm nov om pi pag pap pfl pcd krc kaa ksh rm rue sm sat sc trv stq nso sn cu so srn kab roa-tara tet tpi to chr tum tk tyv udm ug vep fiu-vro vls wo xh zea ty ak bm ch ny ee ff got iu ik kl mad cr pih ami pwn pnt dz rmy rn sg st tn ss ti din chy ts kcg ve
Portal di Ensiklopedia Dunia
