- Ng, AY 和 Jordan, MI (2001)。关于判别式与生成式分类器:逻辑回归和朴素贝叶斯的比较。神经信息处理系统的进展,14,第 841-8 页,麻省理工学院出版社。
在上述论文中,作者提到了“渐近误差”。任何人都可以解释一下吗?
例如,论文摘要包括:
判别学习具有较低的渐近误差,生成分类器也可以更快地接近其较高的渐近误差。
“渐近误差”的确切定义是什么?
在上述论文中,作者提到了“渐近误差”。任何人都可以解释一下吗?
例如,论文摘要包括:
判别学习具有较低的渐近误差,生成分类器也可以更快地接近其较高的渐近误差。
“渐近误差”的确切定义是什么?
这意味着当您通过它运行整个人口时方法的错误。这是一种有用的方法衡量标准,因为它告诉您可以从方法中获得的最佳效果。此外,您想知道该方法收敛到渐近误差的速度有多快,因为在大多数情况下您无法真正运行总体。
它的意思只是算法渐近的错误。假设我们有一个误差,它是算法在经过多次迭代后可以达到的极限误差,不管有多少次。的错误然后迭代(通常)大于与有限迭代次数相关的误差。文本比较了一个较大的终端误差,它可以通过较少的迭代快速实现,而较小的终端误差需要更多的迭代才能实现。
这样做的一个问题是终端错误可能只是相对恒定,因此使用的语言不准确。引文中,“lower”表示绝对误差较小,“higher”表示绝对误差较大。