EX[L(X; w)]的求解

E X [ L ( X ; w ) ] = ∑ x ∈ D P ( x ) ∗ L ( x ; w ) \mathbb{E}_{X}[L(X; w)] = \sum_{x\in \mathcal{D}} P(x) * L(x;w) EX[L(X;w)]=xDP(x)L(x;w)

这里:

  • E X [ L ( X ; w ) ] \mathbb{E}_{X}[L(X; w)] EX[L(X;w)] 表示期望损失(Expected Loss)
  • L ( x ; w ) L(x;w) L(x;w) 表示样本 x x x 的损失函数
  • D \mathcal{D} D 表示训练集的数据集
  • P ( x ) P(x) P(x) 表示样本 x x x 的概率分布
  • ∑ \sum 表示对数据集中所有样本的求和运算

所以这个公式表达了期望损失是对训练集中所有样本的损失函数进行概率加权平均。

你可能感兴趣的:(python,机器学习,人工智能)