構造的リスク 構造的リスク
構造的リスクこれは経験的リスクと予想されるリスクの間の妥協点であり、通常、構造的リスクは経験的リスク関数の後に正則化項を追加することによって得られます。
コンセプト説明
- 信頼リスク: 未知のサンプルを分類するときにトレーニングされていない分類器によって得られる誤差。
- 経験的リスク: トレーニングされた分類器がトレーニング サンプルを完全に分類することによって引き起こされる誤差。
- 構造的リスク: 信頼リスク + 経験リスク。
構造的リスクの意味
構造的リスクの最小化は、経験的リスクの最小化の延長であり、経験的リスクが小さいほど、モデル決定関数はより複雑になり、経験的リスク関数がある程度小さい場合、過剰適合が発生します。
過学習を確実にして正則化項を最小化するには、2 つの最小化関数が必要です。
構造的リスク関数はこれら 2 つを統合し、経験的リスク関数とモデル決定関数の複雑さを確実に最小化し、構造的リスク関数を最小化して最適化の目的を達成します。