我最近在机器学习课上阅读了有关概念学习的内容。他们将一个概念定义为（从德语翻译）：
概念：
- 描述在更大集合上定义的对象或事件的子集。
- 在更大的集合上定义的布尔函数
给定：标记为成员或非成员的示例
搜索：自动推断底层概念的定义
概念学习的定义：从输入和输出的训练数据中推断出一个布尔值函数。
我将其称为 2 类分类问题。有区别吗？
概念学习和分类有什么区别？
数据挖掘
机器学习
分类
2021-09-18 20:53:22
1个回答
目标是相当不同的。对于分类问题，我们想知道：给定 X，Y 会是什么？对于概念学习问题，我们要问：什么样的 X 会给我们 Y？
它可能看起来很相似，但是对于分类问题，我们可能会使用一个无法概括并回答“X 的类型将给我们 Y”的模型，直到您将 X 插入模型（例如 K-最近邻）。
另一方面，概念学习问题，主要问题是概括和具体回答什么可以是 X。
其它你可能感兴趣的问题