1

2

3

对于最后一个的解释:

  • 不同的类型的股票咨询不同的人,因为一个人可能是某个领域的专家,其他领域并不擅长。
4

non-uniformly的情况中,$ \alpha_t $只是$t$的函数,而conditionally中,$ q_t(x) $是$t$和$x$的函数。

5

  • 这里$g^-_t$就是因为利用验证集调參时,分出了一部分数据集用于验证,因此数据集变小,这里加了个减号。
  • 对VC dimention还不理解。这里说的是:如果选training error最低,就要付出很大的vc dimention的代价
6

7

8

9

右边这个就是成功的uniform blending的例子

10

11

12

13

14

15

16

17

18

19

20

21

22

GD is short for Gradient Desent

23

24

25

26

27

28


In [ ]: