结构风险最小化

结构风险最小化（SRM）是机器学习中会使用到的一个归纳原理。 通常在机器学习中，必须从有限的数据集合中选择一个广义模型，随之而来的是过度拟合的问题 - 一个过于强调适应训练集的特殊性，并且不能很好地归纳新的数据的模型。 SRM原则通过平衡模型的复杂性与其在拟合训练数据方面的成功率来解决这个问题。用于平衡以下两个目标： 期望构建最具预测性的模型（例如损失最低）。 期望使模型尽可能简单（例如强大的正则化）。 例如，旨在将基于训练集的损失和正则化降至最低的模型函数就是一种结构风险最小化算法。