关于机器学习模型性能的一些哲学思想

思考实践

于 2021-12-28 17:41:38 发布

阅读量239

点赞数 1

分类专栏：人工智能、机器学习、深度学习文章标签：机器学习人工智能

本文链接：https://blog.csdn.net/weixin_43332715/article/details/122197513

版权

人工智能、机器学习、深度学习专栏收录该内容

106 篇文章 10 订阅

订阅专栏

这篇博客探讨了机器学习领域的几个核心概念，包括没有免费午餐定理（NoFreeLunchTheorem），它表明没有一种算法在所有问题上都最优；奥卡姆剃刀原理（Occam’s Razor），提倡简单性原则；以及集成学习（EnsembleLearning），通过结合多个模型来提升预测性能。此外，还讨论了频率学派与贝叶斯学派在概率解释上的分歧，揭示了机器学习中常见的哲学思辨。

摘要由CSDN通过智能技术生成

没有免费午餐原理（No Freee Lunch Theorem）

丑小鸭原理（Ugly Duckling Theorem）

奥卡姆剃刀原理（Occam’s razor）

参考资料

主要讲的是因果关系与因果推断

看似毫不相干，哲学与机器学习竟有如此大的交集？_CSDN资讯-CSDN博客

1. 没有免费的午餐定理(No Free Lunch Theorem)
2. 奥卡姆剃刀定理(Occam’s Razor - Ockham定理）- 少即是多
3. 集成学习(Ensemble Learning) - 三个臭皮匠的智慧
4. 频率学派(Frequentists)和贝叶斯学派(Bayesian) - 剑宗与气宗之争
5. 后记 - 无处不在的妥协

机器学习中的“哲学”_weixin_33939380的博客-CSDN博客