版权声明:本文为博主原创文章,未经博主允许不得转载。 https://blog.csdn.net/u012750702/article/details/54381632
主要参考书:《Machine Learning》Tom M.Mitchell
对归纳偏执的理解:
某个机器学习算法在使用或者说泛化的过程中,所需要遵守的约束条件,只有当这些条件满足时,才能说这一算法是有效或者能适用的。
某个机器学习算法在使用或者说泛化的过程中,所需要遵守的约束条件,只有当这些条件满足时,才能说这一算法是有效或者能适用的。
概念学习:
目标概念在假设空间中。
另外,隐含的归纳偏执是所有属性起作用的程度一致。
无论是FIND-S算法还是候选消除法,如果不满足归纳偏执的话会导致无法找到满足条件的变形空间。
决策树:
ID3算法:优先选择较短树,或者说更靠近根节点的树优先,或者说信息增益高的属性优先。
因较短的树能够覆盖更大的假设空间。
ID3算法:优先选择较短树,或者说更靠近根节点的树优先,或者说信息增益高的属性优先。
因较短的树能够覆盖更大的假设空间。
SVM:
数据间的平滑插值。
也就是说如果两数据输入位置离得近,则输出也离得近(相对于第三个数据来说)。
也可以理解成决策面是连续平滑曲面。
数据间的平滑插值。
也就是说如果两数据输入位置离得近,则输出也离得近(相对于第三个数据来说)。
也可以理解成决策面是连续平滑曲面。