本頁只刊出中文翻譯與中文說明；英文原文請見下方原文連結。
原文連結
論文資訊
- 類型：工作論文
- 編號：工作論文 #1586
- 日期：2026-03-18
摘要
平均泛化誤差通常是針對給定的泛化器和給定的訓練集進行估計，然後與同一訓練集上的基準「貝葉斯最優」泛化器的平均泛化誤差進行比較。我們在本文中註意到，貝葉斯最優猜測本身就是一個與平均泛化誤差相關但不同的平均值。然後我們認為，如果一個人純粹對如何進行貝葉斯最優猜測感興趣，那麼最好的策略就是直接專注於定義貝葉斯最優猜測的平均值。貝葉斯最優猜測，然後盡可能準確地估計平均值。我們提出了解決此估計問題的各種方法，並強調選擇的特定估計方法應考慮平均值中被加數的形式（連續情況下的被積函數）。