Hvorfor kalles instansbasert læring som lat læring?
Hvorfor kalles instansbasert læring som lat læring?

Video: Hvorfor kalles instansbasert læring som lat læring?

Video: Hvorfor kalles instansbasert læring som lat læring?
Video: #47 Instance Based Learning - With Example |ML| 2024, Kan
Anonim

Forekomst - basert læring inkluderer nærmeste nabo, lokalt vektet regresjon og kasus- basert resonnementsmetoder. Forekomst - basert metoder er noen ganger referert til som lat læring metoder fordi de forsinker behandlingen til en ny forekomst må klassifiseres.

Dessuten, hva menes med begrepet instansbasert læring?

I maskinlæring , forekomst - basert læring (noen ganger kalt minne- basert læring ) er en familie av læring algoritmer som, i stedet for å utføre eksplisitt generalisering, sammenligner nye problemer forekomster med forekomster sett på trening, som har blitt lagret i minnet.

Videre, hva er lat elev gi et eksempel? To typiske eksempler av lat læring er instansbaserte læring og Lat Bayesianske regler. Lat læring står i kontrast til ivrig læring hvor mesteparten av beregningen skjer på treningstidspunktet.

Deretter kan man også spørre seg hvorfor KNN kalles latlærer?

K-NN er en lat elev fordi den ikke lærer en diskriminerende funksjon fra treningsdataene, men "minner" treningsdatasettet i stedet. For eksempel lærer den logistiske regresjonsalgoritmen modellvektene (parametrene) i løpet av treningstiden.

Hva er latlæringsalgoritme?

EN lat læringsalgoritme er rett og slett en algoritme hvor i algoritme generaliserer dataene etter at en spørring er gjort. Det beste eksemplet på dette er KNN. K-Nearest Neighbors lagrer i utgangspunktet alle punktene, og bruker deretter disse dataene når du spør etter dem.

Anbefalt: