懒惰与渴望学习

数据挖掘 机器学习
2021-09-20 18:03:32

我希望更好地理解懒惰和渴望学习之间的区别。我很难概念化两者之间的“抽象”指的是什么。

根据我正在阅读的教科书,它说:“容易学习者和懒惰学习者之间的区别是基于算法何时从数据中抽象出来的。”

懒惰的学习者延迟从数据中抽象,直到它被要求进行预测,而急切的学习者在训练期间从数据中抽象出来并使用这种抽象来进行预测,而不是直接将查询与数据集中的实例进行比较。

我知道 KNN 算法将所有数据加载到内存中,因此根据数据集的大小,计算需求可能很大,而且它是一种非参数算法,因此没有训练来查找参数,分类已经完成根据查询要求??

1个回答

懒惰的学习者:

  1. 只存储数据集而不从中学习

  2. 收到Test数据后开始分类数据

  3. 所以它需要更少的学习时间和更多的时间对数据进行分类


渴望学习者:

  1. 当它接收到数据集时,它开始分类(学习)

  2. 然后它不等待测试数据学习

  3. 所以学习时间长,数据分类时间短

提示:在监督学习中

一些例子是 :

懒惰:K - 最近邻,基于案例的推理

渴望:决策树、朴素贝叶斯、人工神经网络