【机器学习中的数学】贝叶斯概念学习

本文探讨了概念学习,特别是在机器学习中的应用。通过小孩理解词义的例子引入,解释了逆概问题和贝叶斯方法的重要性。猜数字游戏展示了如何利用贝叶斯角度分析和选择最佳假设。文章强调了后验概率和后验预测分布在避免过拟合中的作用,并提供了相关学习资源。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

概念学习

许多机器学习问题涉及从特殊训练样例中得到一般概念。比如人们不断学习的一些一般概念和类别。每个概念可被看作一个对象或事件集合,它是从更大的集合中选取的子集(如从动物的集合中选取鸟类),或者是在这个较大集合中定义的布尔函数(如在动物集合中定义的函数,它对鸟类返回true,对其他动物返回false)。

小孩理解一个词义的例子

考虑一个小孩子理解“狗”这个词的意义。假设当小孩的父母指着一个动物对他说,“这是一只狗”,这是给出了概念的正例。而当小孩子看到一只猫时说,“这是一只狗”时,他父母会纠正他说,“这是一只猫,不是一只狗”,这是在主动学习过程中给出负例的情形。心理研究表明,人在学习概念时往往只是来源于正例数据。
理解一个词的含义等同于概念学习,同时也等同于二元分类。即当输入数据时一个概念的样例时,定义f(x)=1;否则f(x)=0。

理解概念学习

逆概问题

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值