Warum wird instanzbasiertes Lernen als Lazy Learning bezeichnet?

2024 Autor: Lynn Donovan | [email protected]. Zuletzt bearbeitet: 2023-12-15 23:42

Beispiel - basiertes Lernen beinhaltet den nächsten Nachbarn, lokal gewichtete Regression und Fall- basierend Argumentationsmethoden. Beispiel - basierend Methoden sind manchmal als faules Lernen bezeichnet Methoden, weil sie die Verarbeitung verzögern, bis eine neue Beispiel muss klassifiziert werden.

Und was versteht man unter dem Begriff instanzbasiertes Lernen?

In maschinelles Lernen , Beispiel - basiertes Lernen (manchmal auch Gedächtnis genannt- basiertes Lernen ) ist eine Familie von Lernen Algorithmen, die, anstatt eine explizite Verallgemeinerung durchzuführen, neue Probleme vergleicht Instanzen mit Instanzen im Training gesehen, die im Gedächtnis gespeichert wurden.

Außerdem, was ist ein fauler Lerner, um ein Beispiel zu geben? Zwei typische Beispiele von faules Lernen sind instanzbasiert Lernen und Faul Bayessche Regeln. Faules Lernen steht im Gegensatz zu eifriges Lernen wobei der Großteil der Berechnung zur Trainingszeit erfolgt.

Anschließend kann man sich auch fragen, warum KNN als fauler Lerner bezeichnet wird.

K-NN ist ein fauler Lernender denn es lernt keine Unterscheidungsfunktion aus den Trainingsdaten, sondern „merkt“sich stattdessen den Trainingsdatensatz. Beispielsweise lernt der logistische Regressionsalgorithmus seine Modellgewichte (Parameter) während der Trainingszeit.

Was ist ein Lazy-Learning-Algorithmus?

EIN fauler Lernalgorithmus ist einfach ein Algorithmus bei dem die Algorithmus generalisiert die Daten nach einer Abfrage. Das beste Beispiel dafür ist KNN. K-Nearest Neighbors speichert grundsätzlich alle Punkte und verwendet diese Daten dann, wenn Sie eine Anfrage stellen.