应用子空间信息准则选择模型参数  

Model parameter selection with subspace information criterion

作　　者：周学君[1] 彭锦[1] 

机构地区：[1]湖北黄冈师范学院数学与信息科学学院,湖北黄冈438000

出　　处：《兰州理工大学学报》2007年第4期83-85,共3页Journal of Lanzhou University of Technology

基　　金：国家自然科学基金(70671050)

摘　　要：指出子空间信息准则是模型选择的一种新准则,它在一些假设条件下,给出推广误差的一种无偏估计.研究再生核Hilbert空间中,应用子空间信息准则于模型参数选择问题,证明子空间信息准则是推广误差的一种无偏估计,同时说明学习算法有较好的推广能力.In supervised learning, model selection has direct influence on generalization capability of the learning algorithm. Subspace information criterion is a new criterion for model selection, it gives an unbiased estimate for the generalization error under some assumptions. The model parameter selection was discussed with SIC in reproducing kernel Hilbert space. It was proved that the SIC was an unbiased estimate for generalization error.

关 键 词：子空间信息准则 无偏估计 模型选择 推广误差 

分 类 号：TP181[自动化与计算机技术—控制理论与控制工程]