会员服务
学习方法的泛化能力（Generalization Error）是由该方法学习到的模型对未知数据的预测能力，是学习方法本质上重要的性质。现实中采用最多的办法是通过测试泛化误差来评价学习方法的泛化能力。泛化误差界刻画了学习算法的经验风险与期望风险之间偏差和收敛速度。一个机器学习的泛化误差（Generalization Error），是一个描述学生机器在从样品数据中学习之后，离教师机器之间的差距的函数。
Statistical Learning Guarantees for Group-Invariant Barron Functions
Arxiv
0+阅读 · 9月27日
Sobolev norm inconsistency of kernel interpolation
Arxiv
0+阅读 · 9月29日
Mutual Information Free Topological Generalization Bounds via Stability
Arxiv
0+阅读 · 7月9日
Reward Model Generalization for Compute-Aware Test-Time Reasoning
Arxiv
0+阅读 · 5月23日
Lean Formalization of Generalization Error Bound by Rademacher Complexity
Lean Formalization of Generalization Error Bound by Rademacher Complexity
Arxiv
0+阅读 · 4月1日
Partial Transportability for Domain Generalization
Arxiv
0+阅读 · 3月30日
Lean Formalization of Generalization Error Bound by Rademacher Complexity
Arxiv
0+阅读 · 3月25日
On the Generalization Properties of Diffusion Models
Arxiv
0+阅读 · 3月12日
Generalization of the Gibbs algorithm with high probability at low temperatures
Arxiv
0+阅读 · 3月24日
Understanding the Capabilities and Limitations of Weak-to-Strong Generalization
Arxiv
0+阅读 · 3月1日
A Theoretical Framework for Data Efficient Multi-Source Transfer Learning Based on Cramér-Rao Bound
Arxiv
0+阅读 · 2月25日
Generalization error bound for denoising score matching under relaxed manifold assumption
Arxiv
0+阅读 · 2月25日
Learning Theory for Kernel Bilevel Optimization
Arxiv
0+阅读 · 2月12日
Error dynamics of mini-batch gradient descent with random reshuffling for least squares regression
Arxiv
0+阅读 · 2月3日
Understanding the Generalization Error of Markov algorithms through Poissonization
Arxiv
0+阅读 · 2月11日
参考链接
父主题
机器学习
微信扫码咨询专知VIP会员
Top