複製鏈接
請複製以下鏈接發送給好友

歸納偏向

鎖定
當學習器去預測其未遇到過的輸入的結果時,會做一些假設(Mitchell, 1980)。而學習算法中的歸納偏置則是這些假設的集合。
中文名
歸納偏向
屬    性
預測其未遇到過的輸入的結果時
性    質
Mitchell, 1980
特    徵
預測某個目標的結果

目錄

歸納偏向簡介

機器學習試圖去建造一個可以學習的算法,用來預測某個目標的結果。要達到此目的,要給於學習算法一些訓練樣本,樣本説明輸入與輸出之間的預期關係。然後假設學習器在預測中逼近正確的結果,其中包括在訓練中未出現的樣本。既然未知狀況可以是任意的結果,若沒有其它額外的假設,這任務就無法解決。這種關於目標函數的必要假設就稱為歸納偏置

歸納偏向偏置變換

雖然大部分的學習算法使用固定的偏置,但有些算法在獲得更多數據時可以變換它們的偏置。這不會取消偏置,因為偏置變換的過程本身就是一種偏置。