Per què l'aprenentatge basat en instància s'anomena aprenentatge gandul?
Per què l'aprenentatge basat en instància s'anomena aprenentatge gandul?

Vídeo: Per què l'aprenentatge basat en instància s'anomena aprenentatge gandul?

Vídeo: Per què l'aprenentatge basat en instància s'anomena aprenentatge gandul?
Vídeo: Sesión formativa: Inteligencias múltiples en la escuela inclusiva - Concurso ONCE 2024, Abril
Anonim

Instància - aprenentatge basat inclou el veí més proper, la regressió ponderada localment i els casos basat mètodes de raonament. Instància - basat mètodes són de vegades anomenat aprenentatge gandul mètodes perquè retarden el processament fins a un nou instància s'han de classificar.

A més, què s'entén amb el terme aprenentatge basat en instància?

En aprenentatge automàtic , instància - aprenentatge basat (de vegades anomenat memòria- aprenentatge basat ) és una família de aprenentatge algorismes que, en lloc de fer una generalització explícita, comparen nous problemes instàncies amb instàncies vistes a l'entrenament, que s'han emmagatzemat a la memòria.

A més, què és un aprenent mandrós, posa un exemple? Dos típics exemples de aprenentatge mandrós es basen en instàncies aprenentatge i Mandrós Regles Bayesianes. Aprenentatge mandrós contrasta amb aprenentatge amb ganes en què la majoria dels càlculs es produeixen en temps d'entrenament.

Posteriorment, també es pot preguntar, per què KNN s'anomena aprenent mandrós?

K-NN és un aprenent mandrós perquè no aprèn una funció discriminatòria de les dades d'entrenament sinó que "memoritza" el conjunt de dades d'entrenament. Per exemple, l'algoritme de regressió logística aprèn els pesos del model (paràmetres) durant el temps d'entrenament.

Què és l'algoritme d'aprenentatge gandul?

A algorisme d'aprenentatge mandros és simplement un algorisme ón el algorisme generalitza les dades després de fer una consulta. El millor exemple d'això és KNN. K-Nearest Neighbours bàsicament emmagatzema tots els punts i després utilitza aquestes dades quan hi feu una consulta.

Recomanat: