Bakit ang instance based learning ay tinatawag na lazy learning?
Bakit ang instance based learning ay tinatawag na lazy learning?

Video: Bakit ang instance based learning ay tinatawag na lazy learning?

Video: Bakit ang instance based learning ay tinatawag na lazy learning?
Video: 7 Signs You Are Depressed, Not Lazy 2024, Nobyembre
Anonim

Halimbawa - nakabatay sa pagkatuto kasama ang pinakamalapit na kapitbahay, locally weighted regression at case- nakabatay mga pamamaraan ng pangangatwiran. Halimbawa - nakabatay ang mga pamamaraan ay minsan tinutukoy bilang tamad na pag-aaral pamamaraan dahil inaantala nila ang pagproseso hanggang sa isang bago halimbawa dapat classified.

Bukod dito, ano ang ibig sabihin ng terminong instance based learning?

Sa machine learning , halimbawa - nakabatay sa pagkatuto (minsan tinatawag na memorya- nakabatay sa pagkatuto ) ay isang pamilya ng pag-aaral mga algorithm na, sa halip na magsagawa ng tahasang paglalahat, ay naghahambing ng bagong problema mga pagkakataon kasama mga pagkakataon makikita sa pagsasanay, na nakaimbak sa memorya.

Higit pa rito, ano ang ibinibigay na halimbawa ng tamad na mag-aaral? Dalawang tipikal mga halimbawa ng tamad mag-aral ay instance-based pag-aaral at Tamad Mga Batas ng Bayesian. Tamad mag-aral nakatayo sa kaibahan sa sabik na pag-aaral kung saan ang karamihan ng pag-compute ay nangyayari sa oras ng pagsasanay.

Kasunod nito, maaari ring magtanong, bakit ang KNN ay tinatawag na lazy learner?

K-NN ay isang tamad na mag-aaral dahil hindi ito natututo ng discriminative function mula sa data ng pagsasanay ngunit sa halip ay "sinasaulo" ang dataset ng pagsasanay. Halimbawa, natututo ng logistic regression algorithm ang mga timbang ng modelo nito (mga parameter) sa oras ng pagsasanay.

Ano ang algorithm ng tamad na pag-aaral?

A tamad na pag-aaral ng algorithm ay simpleng isang algorithm kung saan ang algorithm ginagawang pangkalahatan ang data pagkatapos na gawin ang isang query. Ang pinakamagandang halimbawa para dito ay ang KNN. Karaniwang iniimbak ng K-Nearest Neighbors ang lahat ng mga punto, pagkatapos ay ginagamit ang data na iyon kapag gumawa ka ng isang query dito.

Inirerekumendang: