机器学习(二) - - 假设空间
来源:互联网 发布:the ludlows 知乎 编辑:程序博客网 时间:2024/06/05 06:46
假设空间
一些细碎的概念:
1. 归纳(induction):是科学推理的两大基本手段之一,是从特殊到一般的泛化过程,也就是从具体的事实归纳出一般规律。
2. 演绎(deduction):是科学推理的另一基本手段,也就是从基础原理推演出具体情况。
3. 归纳学习(inductive learning):顾名思义,从样例中学习显然时一个归纳的过程
4. 广义的归纳学习:从样例中学习
5. 侠义的归纳学习:从训练数据中学的概念/概念生成/概念(concept)学习
下面我们来构造一个“假设空间”:
比如说选择配偶时我们有以下几个指标——
体型(肥胖,匀称,过瘦)
财富(富有,一般,贫穷)
性别(同性,异性)//我这什么脑洞啊
现在我们要构建一个合适的假设空间来构建一个择偶观:
体型来说有肥胖均匀和过瘦三种,也有可能价值观里认为这个无关紧要,所以有四种可能。
加上一个极端的情况,这三个评判准则选出来的都不是想要的
所以假设空间的规模大小为4X4X3+1=49.
有很多策略来对空间里这些假设进行“筛选”,利用样本可以把假设空间里的假设一个个排除筛选。因为训练样本是有限的,所以有时会存在多个假设满足这些条件,这些假设我们叫做“训练集合”,或者版本空间(version space)
祝大家学习愉快~
2 0
- 机器学习(二) - - 假设空间
- 机器学习笔记(二)假设空间
- 机器学习#假设空间与版本空间
- 机器学习(周志华)习题解答1.1-1.3: 理解假设和版本空间
- 机器学习(周志华)习题解答1.1-1.3: 理解假设和版本空间
- 西瓜书《机器学习》阅读笔记1——Chapter1_假设空间
- 机器学习:线性回归的基本假设
- 机器学习---假设的评估问题
- 机器学习中对假设的评价
- 机器学习(二)
- 机器学习(二)
- 机器学习(二)
- 机器学习笔记之R语言6(抽样和假设检测(t检测1))
- 机器学习中假设函数泛化能力的验证(上)
- 机器学习中假设函数泛化能力的验证(下)
- 机器学习之最小二乘法:背后的假设和原理
- 机器学习(二)决策树
- 机器学习笔迹(二)
- axis和xfire以及CXF三种方式实现WebServices分别有什么优缺
- java的特性与原则
- C# Stream 和 byte[] 之间的转换
- OpenLayers 3实践与原理探究4.1-ol3源码分析-底层基础
- Android 通过 Intent 传递类对象
- 机器学习(二) - - 假设空间
- 算法面试---01背包问题---动态规划
- OpenLayers 3实践与原理探究4.2-ol3源码分析-Map,View
- 微信简单开发流程
- poj3122 二分
- 最好用的Date工具类
- 微信企业号的五个典型案例分享
- redis cluster
- OpenLayers 3实践与原理探究4.3-ol3源码分析-Source,Layer