Empirical risk minimization
Минимизация эмпирического риска (МЭР, англ. Empirical risk minimization, ERM) — это принцип статистической теории обучения, который определяет семейство обучающихся алгоритмов и который задаёт теоретические границы результативности.
Wikipage disambiguates
Wikipage redirect
ERMEmpirical risk minimizerGradient boostingLearnable function classLoss functions for classificationMean absolute percentage errorOnline machine learningOutline of machine learningProbabilistic classificationProximal gradient methods for learningRademacher complexityRepresenter theoremReproducing kernel Hilbert spaceSample complexitySemi-supervised learningStability (learning theory)Statistical learning theoryStochastic gradient descentStructural risk minimizationStructured sparsity regularizationSupervised learningSupport-vector machineVapnik–Chervonenkis theoryVolterra series
Link from a Wikipage to another Wikipage
primaryTopic
Empirical risk minimization
Минимизация эмпирического риска (МЭР, англ. Empirical risk minimization, ERM) — это принцип статистической теории обучения, который определяет семейство обучающихся алгоритмов и который задаёт теоретические границы результативности.
has abstract
Минимизация эмпирического риск ...... ские границы результативности.
@ru
Мініміза́ція емпіри́чного ри́з ...... ктивності алгоритмів навчання.
@uk
经验风险最小化 （ERM）是统计学习理论里的一项原则，该原则 ...... 但我们可以在一组已知的训练数据（“经验”风险）上衡量其性能。
@zh
Wikipage page ID
page length (characters) of wiki page
Wikipage revision ID
999,420,727
Link from a Wikipage to another Wikipage
wikiPageUsesTemplate
subject
hypernym
type
comment
Минимизация эмпирического риск ...... ские границы результативности.
@ru
Мініміза́ція емпіри́чного ри́з ...... ктивності алгоритмів навчання.
@uk
经验风险最小化 （ERM）是统计学习理论里的一项原则，该原则 ...... 但我们可以在一组已知的训练数据（“经验”风险）上衡量其性能。
@zh
label
Empirical risk minimization
@en
Минимизация эмпирического риска
@ru
Мінімізація емпіричного ризику
@uk
经验风险最小化
@zh