机器学习笔记 - 确定性与随机机器学习

本文探讨了确定性与随机机器学习的区别,包括确定性过程的可预测性和随机过程的不可预测性。文章阐述了何时使用确定性模型(如PCA、加权最近邻)和随机模型(如泊松过程、伯努利过程),并分析了它们的优缺点及应用场景,如洪水风险分析和投资模型等。

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

        在机器学习中,确定性和随机方法根据其有用性被用于不同的领域。确定性过程认为,没有随机偏差的已知平均比率适用于庞大的人口。另一方面,随机过程定义了反映潜在样本路径的按时间排序的随机变量的集合。

1、确定性和随机过程建模

        无论模型被重新计算多少次,确定性建模都会为给定的一组输入产生一致的结果。在这种情况下,数学特征是已知的。它们都不是随机的,每个问题只有一组指定的值以及一个答案或解决方案。确定性模型中的未知组件在模型外部。它处理的是确定的结果,而不是随机的结果,并且不考虑错误。 

        相比之下,随机建模本质上是不可预测的,并且未知组件被集成到模型中。该模型会生成大量答案、估计和结果,就像将变量添加到困难的数学问题中以查看它们如何影响解决方案一样。然后在不同的设置中多次执行相同的过程。

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