机器学习分类:
泛化能力:学得模型适用于新样本的能力。
归纳:从特殊到一般的泛化过程,即是从具体的事实归结出一般性规律。
演绎:从一般到特殊的特化过程,即从基础原理推演出具体状况。
概念学习,最简单的是布尔概念学习
假设空间、版本空间
归纳偏好:机器学习算法在学习过程中对某种类型假设的偏好。==> 什么样的模型更好
奥卡姆剃刀:若有多个假设与观观察一致,则选最简单的那个。
“没有免费的午餐”定理(NFL定理):前提:所有问题出现的机会相同、或所有问题同等重要。则总误差与学习算法无关
机器学习分类:
泛化能力:学得模型适用于新样本的能力。
归纳:从特殊到一般的泛化过程,即是从具体的事实归结出一般性规律。
演绎:从一般到特殊的特化过程,即从基础原理推演出具体状况。
概念学习,最简单的是布尔概念学习
假设空间、版本空间
归纳偏好:机器学习算法在学习过程中对某种类型假设的偏好。==> 什么样的模型更好
奥卡姆剃刀:若有多个假设与观观察一致,则选最简单的那个。
“没有免费的午餐”定理(NFL定理):前提:所有问题出现的机会相同、或所有问题同等重要。则总误差与学习算法无关