我们通过分情况讨论，讨论了不可知学习器、一致学习器、VC维等，可以用来计算？
A: 出错界限
B: 样本复杂度
C: 样本空间维度
D: 假设空间维度
A: 出错界限
B: 样本复杂度
C: 样本空间维度
D: 假设空间维度
举一反三
- 下面属于有限假设空间的学习器是？ A: 不一致学习器 B: 不可知学习器 C: 一致学习器 D: PAC学习
- 强化学习的难点有（ ） A: 状态和行为维度高 B: 状态信息误差大 C: 现有模型限制 D: 样本量过大，计算复杂
- 产生文明差异因素的是（）。 A: 历史维度、空间维度、民族语言、经济情况 B: 历史维度、空间维度、政治环境、宗教 C: 历史维度、空间维度、民族语言、宗教 D: 历史维度、空间维度、民族语言、宗教、政治环境
- 当样本在原始空间线性不可分时,可将样本从原始空间映射到一个更高维的特征空间,使得样本在这个特征空间内线性可分。
- 假设我们有一组样本数据，分为两个类别，且每个样本都由n维特征表示，那么： A: 感知学习的过程，权重保持不变 B: 感知器模型通过调整权重，所有样本都能激活神经元 C: 不用学习，感知器就可以正确预测样本的类型 D: 我们就可以使用感知器来学习样本，“感知”到两类样本的差别