یادگیری مبتنی بر نمونه
یادگیری مبتنی بر نمونه[ویرایش]
در یادگیری ماشین ، یادگیری مبتنی بر نمونه (یادگیری مبتنی بر حافظه[۱]) خانواده‌ای از الگوریتم‌های یادگیری است که بجای صریحا تعمیم دادن، نمونه‌های جدید را با نمونه‌هایی که در آموزش دیده می‌شوند و در حافظه ذخیره شده‌اند مقایسه می‌کنند. از آنجایی که محاسبه، تا مشاهده نمونه جدید به تعویق می‌افتد، گاهی اوقات به این الگوریتم‌ها «تنبل» می‌گویند. [۲]
به دلیل آنکه فرضیه ها مستقیماً از خود نمونه‌های آموزشی ساخته می‌شوند به آن مبتنی بر نمونه می‌گویند. یعنی پیچیدگی فرضیه می‌تواند با داده افزایش پیدا کند: [۳] در بدترین حالت، یک فرضیه فهرستی از n مورد آموزشی است و پیچیدگی محاسباتی طبقه‌بندی یک نمونه جدید O ( n ) است. یکی از مزیت‌هایی که یادگیری مبتنی بر نمونه نسبت به سایر روش‌های یادگیری ماشین دارد، توانایی آن در تطبیق خود با داده‌های جدید است. این مدل‌ها به سادگی ممکن است یک نمونه جدید را ذخیره کنند و یا یک نمونه قدیمی را دور بریزند.
مشکلات یادگیری مبتنی بر نمونه[ویرایش]
الگو:Bullet طبقه بندی کننده پر هزینه‌ای میباشد زیرا تمام نمونه‌های آموزشی را ذخیره می‌کند
الگو:Bullet تحمل نویز در صفات نمونه‌ها را ندارند
الگو:Bullet تحمل صفات غیر مرتبط در نمونه‌ها را ندارند
الگو:Bullet حساس به انتخاب "تابع شباهت" در الگوریتم هستند
الگو:Bullet راه حل بدیهی برای استفاده از کمیت‌های اسمی در این الگوریتم وجود ندارد
الگو:Bullet با توجه با ساختار داده‌ها اطلاعات قابل استفاده کمی از آن‌ها استخراج می‌کنند
الگوریتم‌های مبتنی بر این روش[ویرایش]
نمونه‌هایی از الگوریتم‌های یادگیری مبتنی بر نمونه عبارتند از الگوریتم k نزدیک‌ترین همسایه ، ماشین‌های کرنل و شبکه‌های RBF .این مدل‌ها، مجموعه آموزشی خود (یا بخشی از آن) را ذخیره می کنند و به هنگام پیش‌بینی برچسب (یا یک مقدار) برای یک نمونه جدید، بر اساس فاصله یا شباهت بین نمونه جدید و نمونه‌های آموزشی تصمیم گیری می‌کنند.
راه حل پیچیدگی حافظه[ویرایش]
برای غلبه بر پیچیدگی حافظه (ذخیرسازی تمام نمونه‌های آموزشی) و همچنین خطر بیش‌برازش به نویز مجموعه آموزش، الگوریتم‌های کاهش نمونه ارائه شده‌اند. [۵]
همچنین ببینید[ویرایش]
منابع[ویرایش]
- ↑ Daelemans, Walter; van den Bosch, Antal (2005). Memory-Based Language Processing. Cambridge University Press.صفحه پودمان:Citation/CS1/en/styles.css محتوایی ندارد.
- ↑ M. Mitchell, Tom (1997). Machine Learning. McGraw-Hill.صفحه پودمان:Citation/CS1/en/styles.css محتوایی ندارد.
- ↑ Stuart Russell and Peter Norvig (2003). Artificial Intelligence: A Modern Approach, second edition, p. 733. Prentice Hall. شابک ۰−۱۳−۰۸۰۳۰۲−۲
- ↑ Instance-based learning algorithms
- ↑ D. Randall Wilson; Tony R. Martinez (2000). "Reduction techniques for instance-based learning algorithms". Machine Learning.صفحه پودمان:Citation/CS1/en/styles.css محتوایی ندارد.
This article "یادگیری مبتنی بر نمونه" is from Wikipedia. The list of its authors can be seen in its historical and/or the page Edithistory:یادگیری مبتنی بر نمونه. Articles copied from Draft Namespace on Wikipedia could be seen on the Draft Namespace of Wikipedia and not main one.
|
This page exists already on Wikipedia. |
