- Ng, AY et Jordan, MI (2001). Sur les classificateurs discriminants et génératifs: une comparaison de la régression logistique et des Bayes naïfs . Advances in Neural Information Processing Systems, 14 , pp. 841-8, MIT Press.
Dans l'article ci-dessus, les auteurs ont mentionné "l'erreur asymptotique". Quelqu'un peut-il expliquer un peu cela?
Par exemple, le résumé de l'article comprend:
L'apprentissage discriminatoire a une erreur asymptotique plus faible, un classificateur génératif peut également approcher son erreur asymptotique plus élevée beaucoup plus rapidement.
Quelle est la définition exacte de "l'erreur asymptotique"?
Réponses:
Cela signifie l'erreur d'une méthode lorsque vous exécutez une population entière à travers elle. C'est une mesure utile de la méthode car elle vous indique ce que vous pouvez tirer de mieux d'une méthode. De plus, vous voulez savoir à quelle vitesse la méthode converge vers l'erreur asymptotique, car vous ne pouvez pas vraiment exécuter la population dans la plupart des cas.
la source
Cela signifie simplement l'erreur à laquelle l'algorithme est asymptotique. Supposons que nous ayons une erreur qui est l'erreur limite qu'un algorithme peut atteindre après un certain nombre d'itérations, peu importe le nombre. L'erreur pour la itération est alors (typiquement) plus grande que l'erreur associée à un nombre limité d'itérations. Le texte compare une erreur de terminal plus grande qui est rapidement obtenue pour moins d'itérations avec une erreur de terminal plus petite qui prend plus d'itérations à réaliser.jet h
Un problème avec ceci est que l'erreur terminale peut être seulement relativement constante, de sorte que la langue utilisée est inexacte. Dans la citation, «inférieur» signifie une erreur absolue plus petite, et «supérieur» signifie une erreur absolue plus grande.
la source