これらのキーワードがハイライトされています:構造的損失最小化 SRM

VCエントロピー (Vapnik-Chervonenkis entropy)

二値分類問題で,仮説空間 \(\Theta\) 中の識別器 \(\theta\) を考える.

\(\theta\) を選ぶと,\(N\) 個のデータ \(D=\{(y_1,x_1),\ldots,(y_N,x_N)\}\) 中の各データが正しく分類されるかどうかのパターンが決まる.

\(\Theta\) 中の全ての分類器でデータを分類したときの,このパターンの数が\(\mathcal{N}(D)\). 例えば,常にクラス1を選ぶ分類器1個しか \(\Theta\)に含まれていなければ,\(\mathcal{N}(D)=1\) となる.

このとき,VCエントロピーは次式: \[H(l)=\mathrm{E}_D[\ln\mathcal{N}(D)]\] ただし,期待値は全ての可能な \(N\) 個のデータのサンプル \(D\) についてとる.

この期待値と対数を入れ替えたものがannealed VCエントロピー: \[H_{\mathrm{ann}}(l)=\ln\mathrm{E}_D[\mathcal{N}(D)]\]

-- しましま

関連項目

リンク集

関連文献


トップ   編集 凍結 差分 履歴 添付 複製 名前変更 リロード   新規 一覧 検索 最終更新   ヘルプ   最終更新のRSS
Last-modified: 2010-02-11 (木) 16:11:26