Empirische Risikominimierung

Empirische Risikominimierung ist ein häufig angewendetes Prinzip der statistischen Inferenz^[1]. Sie wird beim überwachten Lernen verwendet. Beim maschinellen Lernen ist es häufig nicht möglich, alle möglichen Eingabedaten zu kennen oder zu testen. Daher wird bei der empirische Risikominimierung mit einem bekannten Subset der möglichen Eingabedaten gearbeitet.

1. ↑ Ian Goodfellow, Yoshua Bengio, Aaron Courville: Deep Learning – Das umfassende Handbuch: Grundlagen, aktuelle Verfahren und Algorithmen, neue Forschungsansätze. MITP, Frechen 2018, ISBN 978-3-95845-702-7.