基于实例的学习机器学习创新.pptVIP

2003.12.18 机器学习-基于实例的学习 作者：Mitchell 译者：曾华军等 讲者：陶晓鹏 机器学习 第8章 基于实例的学习 基于实例的学习 K-近邻算法 局部加权回归 径向基函数 基于案例的推理 基于实例的学习方法有时被称为消极学习法，因为它把处理工作延迟到必须分类新实例的时候。 理解：已知一系列的训练样例，很多学习方法（如决策树，神经网络，贝叶斯学习）为目标函数建立起明确的一般化描述。与此不同，基于实例的学习方法只是简单地把训练样例储存起来，当遇到待分类实例时，建立不同的逼近函数来进行分类。 这种延迟的学习方法有一个优点：不是在整个实例空间上一次性地估计目标函数，而是针对每个待分类新实例作出局部的和相异的估计。 简介 基于实例的学习方法的学习过程只是简单地存储已知的训练数据，当遇到新的查询实例时，一系列相似的实例从存储器中取出，用来分类新的查询实例 与其他方法相比，基于实例的学习方法的一个关键差异是：可以为不同的待分类查询实例建立不同的目标函数逼近 这样做的好处是：有时目标函数很复杂，但却可以用不太复杂的局部逼近描述时，这样做有明显的优势 简介（2） 基于实例的方法的不足： 分类新实例的开销可能很大。 几乎所有的计算都发生在分类时，而不是在第一次遇到训练样例时。 如何有效地索引训练样例是一个重要的问题 当从存储器中检索相似的训练样例时，一般考虑实例的所有属性，