PROFILPELAJAR.COM

У машинному навчанні, навчання на прикладах (інколи також навчання на основі пам'яті^[1]) — група навчальних алгоритмів, що порівнюють нові приклади з тими, що зустрічалися при попередньому навчанні і зберігаються в пам'яті. Навчання на прикладах іноді називають ледачим навчанням.

Ці алгоритми будують гіпотези безпосередньо з навчальних прикладів^[2]. Це означає, що складність гіпотези може рости з розміром даних^[2]: в найгіршому випадку, гіпотеза — це список n навчальних прикладів і обчислювальна складність класифікації одного нового екземпляра є O(N). Однією з переваг навчання на прикладах, на відмінну від машинного навчання, є його здатність адаптувати свою модель до раніше небачених, нових даних: навчені класифікатори можуть просто зберегти новий екземпляр або викинути старий.

Прикладами алгоритмів, що навчаються на прикладах, є метод найближчих k-сусідів, ядрові методи та RBF-мережі^[3]. Ці алгоритми зберігають підмножину їх навчальної множини. При передбаченні значення/класу нового прикладу, вони обчислюють відстань або схожість між цим прикладом та тренувальними прикладами, щоб ухвалити рішення.

Щоб вирішити проблему використання пам'яті для збереження всіх вхідних прикладів, а також ризику перенавчання на зашумлених даних в навчальній множині прикладів, були запропоновані алгоритми зменшення прикладів^[4].

Посилання

↑ Walter Daelemans; Antal van den Bosch (2005). Memory-Based Language Processing. Cambridge University Press.
↑ ^а ^б Stuart Russell^[en] and Peter Norvig (2003). Artificial Intelligence: A Modern Approach, second edition, p. 733. Prentice Hall. ISBN 0-13-080302-2
↑ Tom Mitchell (1997). Machine Learning. McGraw-Hill.
↑ D. Randall Wilson; Tony R. Martinez (2000). Reduction techniques for instance-based learning algorithms. Machine Learning.

Це незавершена стаття зі штучного інтелекту.
Ви можете допомогти проєкту, виправивши або дописавши її.

Портал «Програмування»

[1] Walter Daelemans; Antal van den Bosch (2005). Memory-Based Language Processing. Cambridge University Press.

[aima733-2] а ^б Stuart Russell^[en] and Peter Norvig (2003). Artificial Intelligence: A Modern Approach, second edition, p. 733. Prentice Hall. ISBN 0-13-080302-2

[3] Tom Mitchell (1997). Machine Learning. McGraw-Hill.

[4] D. Randall Wilson; Tony R. Martinez (2000). Reduction techniques for instance-based learning algorithms. Machine Learning.

[1]

[2]

[3]

[4]