热门问题
时间线
聊天
视角
循例学习
来自维基百科,自由的百科全书
Remove ads
循例学习(英语:instance-based learning),有时也称为记忆式学习(英语:memory-based learning)[1],是一系列学习算法,它不执行明确一般化,而是将新实例与训练过程中已储存在记忆体中的实例进行比较。由于计算被推迟到观察到新实例为止,因此这些算法有时被称为“迟缓”(英语:lazy,或依原文翻为“惰性”)。[2]
它被称为循例,因为它直接从训练实例本身建立假设。[3]这意味着假设复杂度会随着资料的增长而增长:[3] 在最坏的情况下,假设是n 个训练项目的列表,并且对单一新实例进行分类的计算复杂度为O(n)。与其他机器学习方法相比,循例学习的优势之一是能够使其模型适应以前未见过的资料。循例学习可以简单地储存新实例或丢弃旧实例。
基于实例的学习算法的范例有k-近邻算法、核方法和放射状基底函数网络。[2]:ch. 8这些储存其训练集(的子集),当预测新实例的值/类别时,他们会计算该实例与训练实例之间的距离或相似性以做出决定。
Remove ads
参阅
- 类比建模
参考资料
Wikiwand - on
Seamless Wikipedia browsing. On steroids.
Remove ads