压缩回归学习算法的泛化界

摘要：

研究了压缩最小平方回归学习算法的泛化性问题.利用随机投影、覆盖数等理论以及概率不等式得到了该学习算法的泛化误差上界.所获结果表明:压缩学习虽以增大逼近误差的方式降低样本误差,但其增量是可控的.此外,通过压缩学习,在一定程度上克服了学习过程中所出现的过拟合现象.

关键词：机器学习、压缩感知、回归学习算法、误差界、逼近

分类号：O174.41(数学分析)

资助基金：国家自然科学基金61272023,91330118,11301494

在线出版日期：2014-10-30（万方平台首次上网日期，不代表论文的发表时间）

页数：共12页

页码：905-916