我是机器学习的新手，我对术语感到困惑。到目前为止，我曾经将假设类视为假设函数的不同实例......示例：如果我们谈论线性分类，那么以不同权重为特征的不同线将共同形成假设类。
我的理解是正确的还是假设类可以代表任何可以近似目标函数的东西？例如，一个近似于目标函数的线性或二次函数可以一起形成一个假设类，还是两者都来自不同的假设类？
新手：假设类和模型有什么区别？
数据挖掘
机器学习
2021-09-20 05:31:48
1个回答
您的假设类包含您正在搜索的所有可能的假设，无论它们的形式如何。为方便起见，假设类通常被限制为一次只有一种类型的函数或模型，因为学习方法通常一次只适用于一种类型。但是，情况不一定是这样：
- 假设类不必只包含一种类型的函数。如果您要搜索所有线性、二次和指数函数，那么这些就是您的组合假设类所包含的内容。
- 假设类也不必只包含简单的函数。如果您设法逐段搜索- 函数，那么这些函数就是你的假设类所包含的。
最大的权衡是假设类别越大，最佳假设对潜在真实函数的建模越好，但找到最佳假设就越难。这与偏差-方差权衡有关。
其它你可能感兴趣的问题