8 基于实例的学习
来源:互联网 发布:php中get和post区别 编辑:程序博客网 时间:2024/05/16 04:55
存储所有实验用例,当有分类请求时,根据查询实例和已有实例的关系进行局部计算分类。不会有全局性的计算函数。归纳偏置是实例分布在欧式空间里是平滑的。
算法十四:k近邻,按属性值计算用例直接的距离,将查询实例分类为与之最邻近的k个分类的函数值。可以是最普遍、平均值、加权平均值等。有维度灾难的影响。可以用kd-tree作为快速索引。
局部加权回归,用查询实例的邻域作为训练集,使用距离作为权重,训练出一个临时分类函数,进行分类。基本不会超过二次函数。
算法十五:局部加权线性回归,使用属性的线性函数表示分类函数。使用梯度下降方法求LMS。均方可以是局部均方,带权全局均方,带权局部均方等。还可以使用特殊方法直接求系数。
径向基函数,f(x) = w0 + sum (wu * Ku(d(x,xu)),其中Ku被叫做核函数,sum只是求临近k个点。一般情况下,都是将Ku设为正态分布。构成了一个两层的RBF网络,第一层是Ku层(即正态分布的两个参数的估计),第二层是wu的线性组合。
计算方法: 0.先为每个样例分配一个核函数,方差值统一为同一个。使用全局方差最小。
1.先原始聚类,为每类生成一个核函数。用EM将每类拟合成一个正态函数。
基于案例的推理,使用比欧式空间更复杂的方式定义选用的案例,案例间可以合并成最终结果。
消极学习实际上是更针对查询用例生成了一个简单的目标函数(局部的函数),积极学习是全局的函数,导致消极学习更可能得到较好的分类。可以简化目标函数,使用全局查询的局部版。
- 8 基于实例的学习
- Chapter 8 基于实例的学习
- Mitchell机器学习-基于实例的学习
- 监督学习四 基于实例的学习
- [机器学习]基于 JavaScript 的机器学习实例
- [机器学习]基于 JavaScript 的机器学习实例
- [机器学习]基于 JavaScript 的机器学习实例
- 东软学习,基于oracle的一个分页实例
- 深度学习:基于 Gensim 的 Yelp 评论文本分类实例
- 基于分布式CPU计算的Deeplearning4j迁移学习应用实例
- 创建基于agsXMPP的实例
- 基于webx的小实例
- 基于web的CXF实例
- 基于CXF的WebService实例
- 基于QT的异质链表实例
- 基于Sphinx的实例解析
- 基于python的SVM 实例
- WebRTC基于node的实例
- 常用CSS书写技巧
- android 自定义 折线图
- B. Vasya and Public Transport
- Cocos2d-x 菜鸟进阶篇(四)Label 试用浅析
- esp跟ebp跟踪记录
- 8 基于实例的学习
- LUA脚本语言第一课(笔记)
- Asp.net Configuration Part(1)
- JVM性能优化, Part 1 - JVM简介
- Django 笔记第一篇 基础回顾
- 直接拿来用!10款实用Android UI工具
- 1023
- PHP读取远程文件的三种方法
- ffmpeg 从内存中读取数据(或将数据输出到内存)