Hvorfor kaldes instansbaseret læring som doven læring?
Hvorfor kaldes instansbaseret læring som doven læring?

Video: Hvorfor kaldes instansbaseret læring som doven læring?

Video: Hvorfor kaldes instansbaseret læring som doven læring?
Video: Красивая история о настоящей любви! Мелодрама НЕЛЮБОВЬ (Домашний). 2024, Kan
Anonim

Forekomst - baseret læring inkluderer nærmeste nabo, lokalt vægtet regression og case- baseret ræsonnementsmetoder. Forekomst - baseret metoder er nogle gange omtalt som doven læring metoder, fordi de forsinker behandlingen indtil en ny eksempel skal klassificeres.

Desuden, hvad menes der med begrebet instansbaseret læring?

I maskinelæring , eksempel - baseret læring (nogle gange kaldet hukommelse- baseret læring ) er en familie af læring algoritmer, der i stedet for at udføre eksplicit generalisering sammenligner nye problemer tilfælde med tilfælde set i træning, som er blevet gemt i hukommelsen.

Ydermere, hvad er doven elev give et eksempel? To typiske eksempler af doven læring er instansbaserede læring og Doven Bayesianske regler. Doven læring står i kontrast til ivrig efter at lære hvor størstedelen af beregningen sker på træningstidspunktet.

Efterfølgende kan man også spørge, hvorfor KNN kaldes dovenlærer?

K-NN er en doven lærende fordi den ikke lærer en diskriminerende funktion fra træningsdataene, men "memoriserer" træningsdatasættet i stedet. For eksempel lærer den logistiske regressionsalgoritme sine modelvægte (parametre) i løbet af træningstiden.

Hvad er doven læringsalgoritme?

EN doven læringsalgoritme er simpelthen en algoritme hvor er algoritme generaliserer dataene efter en forespørgsel. Det bedste eksempel på dette er KNN. K-Nearest Neighbors gemmer stort set alle punkterne og bruger derefter disse data, når du foretager en forespørgsel til det.

Anbefalede: