假设空间
所以还是拿100个西瓜举例。
归纳学习:上一节说了训练学习的目的,是为了训练出一个模型能帮助我们在不剖开瓜的情况下进行预测它是不是好瓜。而训练学习的过程是通过一个又一个已经剖开的西瓜(也就是已经知道是不是好瓜)的样例进行学得的,从样例中学习显然是一个归纳的过程,称之为归纳学习。
比如这样一个训练集:
编号 | 色泽 | 根蒂 | 敲声 | 好瓜 |
---|---|---|---|---|
1 | 青绿 | 蜷缩 | 浊响 | 是 |
2 | 乌黑 | 蜷缩 | 浊响 | 是 |
3 | 青绿 | 硬挺 | 清脆 | 否 |
4 | 乌黑 | 蜷缩 | 沉闷 | 否 |
假设色泽,根蒂和敲声就可以确定是否是好瓜,那么,通过表就可以确定只要根蒂是蜷缩,敲声是浊响就是好瓜。但问题是如果是(色泽=浅白,根蒂=蜷缩,敲声=浊响)这样的样例怎么判断呢,所以学习还要有一个泛化的能力。我个人觉得计算机是没有泛化能力的,因此其实这里所谓的泛化其实还是一个匹配为内核的能力。
假设空间:按照上面的说法,假设空间就是指的所有可能的情况,对西瓜这个问题,即色泽三种取值,根蒂三种取值,敲声三