本文由碼農場同步，最新版本請查看原文：http://www.hankcs.com/ml/hinton-combining-multiple-neural-networks-to-improve-generalization.html

這節課講了為什么要綜合多個模型，好處與原理、具體做法等。講解了貝葉斯學習中的神經網絡模型混合、馬爾科夫蒙特卡洛方法，以及從新角度闡釋更高效的Dropout。綜合網絡：偏置方差均衡訓練數據少，容易過擬合。綜合多個模型可以防止過擬合，特別是當模型做出的預測差別很大的時候。對回歸來講，平方誤差可以分解為偏置與方差兩項。偏置由模型過于簡單帶來，方差由模型過于復雜帶來。方差項之所以稱為方差，是因為再來一個同分布的訓練集，因為采樣誤差的存在，模型擬合的結果會不一樣，于是產生方差。通過平均多個模型，可以降低方差。這些被平...

繼續閱讀：碼農場 ? Hinton神經網絡公開課10 Combining multiple neural networks to improve generalization

原文鏈接：http://www.hankcs.com/ml/hinton-combining-multiple-neural-networks-to-improve-generalization.html

感謝閱讀本文，歡迎 查看原文或訪問 碼農場 獲取更多內容